站长家园(原代码之家)(www.adminjie.com)网站源码,微信源码,游戏源码,商业源码分享平台。
当前位置:网站首页 技术文章 网络编程 正文

Python数据分析之concat与merge函数(实例详解)

时间:2022-05-27 [网络编程]作者:fabuyuan 浏览:7 次

本篇文章给大家带来了关于python的相关知识,其中主要介绍了关于数据合并的相关问题,包括了concat函数与merge函数等内容,下面一起来看一下,希望对大家有帮助。

推荐学习:python视频教程

一、concat函数

  1. concat()函数可以沿着一条轴将多个对象进行堆叠,其使用方式类似数据库中的数据表合并
    pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)
  2. 参数含义如下:
参数作用
axis表示连接的轴向,可以为0或者1,默认为0
join表示连接的方式,inner表示内连接,outer表示外连接,默认使用外连接
ignore_index接收布尔值,默认为False。如果设置为True,则表示清除现有索引并重置索引值
keys接收序列,表示添加最外层索引
levels用于构建MultiIndex的特定级别(唯一值)
names设置了keys和level参数后,用于创建分层级别的名称
verify_integerity检查新的连接轴是否包含重复项。接收布尔值,当设置为True时,如果有重复的轴将会抛出错误,默认为False
  1. 根据轴方向的不同,可以将堆叠分成横向堆叠纵向堆叠,默认采用的是纵向堆叠方式

  1. 在堆叠数据时,默认采用的是外连接(join参数设为outer)的方式进行合并,当然也可以通过join=inner设置为内连接的方式。

1)横向堆叠与外连接

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})df1

df2=pd.DataFrame({'C':['C0','C1','C2'],
                  'D':['D0','D1','D2']})df2

横向堆叠合并df1和df2,采用外连接的方式

pd.concat([df1,df2],join='outer',axis=1)

2) 纵向堆叠与内链接

import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2'],
                   'C':['C0','C1','C2']})first

second=pd.DataFrame({'B':['B3','B4','B5'],
                   'C':['C3','C4','C5'],
                    'D':['D3','D4','D5']})second

  1. 当使用concat()函数合并时,若是将axis参数的值设为0,且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并
pd.concat([first,second],join='inner',axis=0)

二、merge()函数

1)主键合并数据

  1. 在使用merge()函数进行合并时,默认会使用重叠的列索引做为合并键,并采用内连接方式合并数据,即取行索引重叠的部分。
import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})left

right=pd.DataFrame({'key':['K0','K1','K2','K3'],
                   'C':['C0','C1','C2','C3'],
                   'D':['D0','D1','D2','D3']})right

pd.merge(left,right,on='key')

2)merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。

import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})data1

data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
                         'B':['B0','B1','B2','B5'],
                         'C':['C0','C1','C2','C3'],
                         'D':['D0','D1','D2','D3']})data2

pd.merge(data1,data2,on=['key','B'])

1)根据行索引合并数据

  1. join()方法能够通过索引或指定列来连接多个DataFrame对象
  2. join(other,on = None,how =‘left’,lsuffix =‘’,rsuffix =‘’,sort = False )
参数作用
on名称,用于连接列名
how可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个,默认使用左连接的方式。
sort根据连接键对合并的数据进行排序,默认为False
import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2']})data3

data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                         'D': ['D0', 'D1', 'D2']},
                     index=['a','b','c'])data3.join(data4,how='outer')  # 外连接

data3.join(data4,how='left')  #左连接

data3.join(data4,how='right')  #右连接

data3.join(data4,how='inner')  #内连接

import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                        'B': ['B0', 'B1', 'B2'],
                      'key': ['K0', 'K1', 'K2']})left

right = pd.DataFrame({'C': ['C0', 'C1','C2'],
                         'D': ['D0', 'D1','D2']},
                        index=['K0', 'K1','K2'])right


on参数指定连接的列名

left.join(right,how='left',on='key')  #on参数指定连接的列名

2)合并重叠数据

当DataFrame对象中出现了缺失数据,而我们希望使用其他DataFrame对象中的数据填充缺失数据,则可以通过combine_first()方法为缺失数据填充。

import pandas as pdimport numpy as npfrom numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
                        'B': [np.nan, 'B1', np.nan, 'B3'],
                        'key': ['K0', 'K1', 'K2', 'K3']})left

right = pd.DataFrame({'A': ['C0', 'C1','C2'],
                         'B': ['D0', 'D1','D2']},
                         index=[1,0,2])right


用right的数据填充left缺失的部分

left.combine_first(right) # 用right的数据填充left缺失的部分


推荐学习:python视频教程

以上就是Python数据分析之concat与merge函数(实例详解)的详细内容,更多请关注站长家园其它相关文章!

本文标签:  python

转载请注明来源:Python数据分析之concat与merge函数(实例详解)

本文永久链接地址:https://www.adminjie.com/post/12865.html

免责声明:
本站所发布的一切资源仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。

附:
二○○二年一月一日《计算机软件保护条例》第十七条规定:为了学习和研究软件内含的设计思想和原理,通过安装、显示、传输或者存储软件等方式使用软件的,可以不经软件著作权人许可,不向其支付报酬!鉴于此,也希望大家按此说明研究软件!

版权声明:
一、本站致力于为软件爱好者提供国内外软件开发技术和软件共享,着力为用户提供优资资源。
二、本站提供的部分源码下载文件为网络共享资源,请于下载后的24小时内删除。如需体验更多乐趣,还请支持正版。
三、我站提供用户下载的所有内容均转自互联网。如有内容侵犯您的版权或其他利益的,若有侵犯你的权益请:提交版权证明文件到邮箱 2225329873#qq.com(#换为@) 站长会进行审查之后,情况属实的会在三个工作日内为您删除。

  • 站长家园(原代码之家)会员升级
  • 最新文章
    • bootstrap是免费的吗

      bootstrap是免费的吗

      bootstrap是免费的;bootstrap是美国Twitter公司的设计师“MarkOtto”和“JacobThornton”合作基于HTML、CSS、...

    • Bootstrap是web容器吗

      Bootstrap是web容器吗

      Bootstrap不是web容器;web容器是一种服务程序,在服务器一个端口就有一个提供相应服务的程序,web容器就是处理从客户端发出的请求,而Bootstra...

    • linux下的开源数据库有哪些

      linux下的开源数据库有哪些

      linux下的开源数据库有:1、MySQL,是一个开源的关系型数据库管理系统;2、PostgreSQL,是一款“对象-关系”型数据库管理系统;3、MongoDB...

    • linux ps是什么的缩写

      linux ps是什么的缩写

      在linux中,ps是“ProcessStatus”的缩写,是监控进程的命令,通过该命令可以查看系统中所有运行进程的详细信息,例如进程的运行状态、进程是否结束...

    • mysql能在linux中使用吗

      mysql能在linux中使用吗

      mysql能在linux中使用。mysql是一个跨平台的关系型数据库管理系统,支持Linux、MacOS、Windows等多种操作系统;且linux常作为网站...

    热门文章