pandas的拼接操作

pandas的拼接分为两种:

  • 级联:pd.concat, pd.append
  • 合并:pd.merge, pd.join

1. 使用pd.concat()级联

pandas使用pd.concat函数,与np.concatenate函数类似,只是多了一些参数:

objs
axis=0
keys
join='outer' / 'inner':表示的是级联的方式,outer会将所有的项进行级联(忽略匹配和不匹配),而inner只会将匹配的项级联到一起,不匹配的不级联
ignore_index=False

1)匹配级联

In [1]:
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
In [2]:
df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','b','c'],columns=['A','B','C'])
df2 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','d','c'],columns=['A','d','C'])
In [7]:
pd.concat((df1,df1),axis=0,join='inner')
Out[7]:
a594089
b71576
c293487
a594089
b71576
c293487

2) 不匹配级联

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致,横向级联时行索引不一致

有2种连接方式:

  • 外连接:补NaN(默认模式)
  • 内连接:只连接匹配的项
In [11]:
pd.concat((df1,df2),axis=1,join='outer')
Out[11]:
a59.040.089.050.026.045.0
b71.05.076.0NaNNaNNaN
c29.034.087.031.082.035.0
dNaNNaNNaN23.095.094.0

3) 使用df.append()函数添加

由于在后面级联的使用非常普遍,因此有一个函数append专门用于在后面添加

2. 使用pd.merge()合并

merge与concat的区别在于,merge需要依据某一共同的列来进行合并

使用pd.merge()合并时,会自动根据两者相同column名称的那一列,作为key来进行合并。

注意每一列元素的顺序不要求一致

参数:

  • how:out取并集 inner取交集
  • on:当有多列相同的时候,可以使用on来指定使用那一列进行合并,on的值为一个列表

1) 一对一合并

In [12]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                'group':['Accounting','Engineering','Engineering'],
                })
df1
Out[12]:
0BobAccounting
1JakeEngineering
2LisaEngineering
In [13]:
df2 = DataFrame({'employee':['Lisa','Bob','Jake'],
                'hire_date':[2004,2008,2012],
                })
df2
Out[13]:
0Lisa2004
1Bob2008
2Jake2012
In [14]:
pd.merge(df1,df2,how='outer')
Out[14]:
0BobAccounting2008
1JakeEngineering2012
2LisaEngineering2004

2) 多对一合并

In [15]:
df3 = DataFrame({
    'employee':['Lisa','Jake'],
    'group':['Accounting','Engineering'],
    'hire_date':[2004,2016]})
df3
Out[15]:
0LisaAccounting2004
1JakeEngineering2016
In [16]:
df4 = DataFrame({'group':['Accounting','Engineering','Engineering'],
                       'supervisor':['Carly','Guido','Steve']
                })
df4
Out[16]:
0AccountingCarly
1EngineeringGuido
2EngineeringSteve
In [17]:
pd.merge(df3,df4)
Out[17]:
0LisaAccounting2004Carly
1JakeEngineering2016Guido
2JakeEngineering2016Steve

3) 多对多合并

In [18]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                 'group':['Accounting','Engineering','Engineering']})
df1
Out[18]:
0BobAccounting
1JakeEngineering
2LisaEngineering
In [19]:
df5 = DataFrame({'group':['Engineering','Engineering','HR'],
                'supervisor':['Carly','Guido','Steve']
                })
df5
Out[19]:
0EngineeringCarly
1EngineeringGuido
2HRSteve
In [21]:
pd.merge(df1,df5,how='outer')
Out[21]:
0BobAccountingNaN
1JakeEngineeringCarly
2JakeEngineeringGuido
3LisaEngineeringCarly
4LisaEngineeringGuido
5NaNHRSteve
  • 加载excl数据:pd.read_excel('excl_path',sheetname=1)

4) key的规范化

  • 当列冲突时,即有多个列名称相同时,需要使用on=来指定哪一个列作为key,配合suffixes指定冲突列名
In [10]:
df1 = DataFrame({'employee':['Jack',"Summer","Steve"],
                 'group':['Accounting','Finance','Marketing']})
In [11]:
df2 = DataFrame({'employee':['Jack','Bob',"Jake"],
                 'hire_date':[2003,2009,2012],
                'group':['Accounting','sell','ceo']})
In [22]:
display(df1,df2)
 
0BobAccounting
1JakeEngineering
2LisaEngineering
 
0Lisa2004
1Bob2008
2Jake2012
  • 当两张表没有可进行连接的列时,可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
In [12]:
df1 = DataFrame({'employee':['Bobs','Linda','Bill'],
                'group':['Accounting','Product','Marketing'],
               'hire_date':[1998,2017,2018]})
In [13]:
df5 = DataFrame({'name':['Lisa','Bobs','Bill'],
                'hire_dates':[1998,2016,2007]})
In [23]:
display(df1,df5)
 
0BobAccounting
1JakeEngineering
2LisaEngineering
 
0EngineeringCarly
1EngineeringGuido
2HRSteve

5) 内合并与外合并:out取并集 inner取交集

  • 内合并:只保留两者都有的key(默认模式)
In [25]:
df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})
In [26]:
display(df6,df7)
 
0Peterfish
1Paulbeans
2Marybread
 
0Marywine
1Josephbeer
  • 外合并 how='outer':补NaN
In [27]:
df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})
display(df6,df7)
pd.merge()
 
0Peterfish
1Paulbeans
2Marybread
 
0Marywine
1Josephbeer
02-11 11:44