如何合并多个表中的数据
导包
import pandas as pd
数据准备
【空气质量硝酸盐数据】
air_quality_no2_long.csv N O 2 NO_2 NO2 分别位于巴黎、安特卫普和伦敦的 FR04014、BETR801 和伦敦威斯敏斯特测量站的值。
air_quality_no2 = pd.read_csv("air_quality_no2_long.csv", parse_dates=True)
air_quality_no2 = air_quality_no2[["date.utc", "location", "parameter", "value"]]
air_quality_no2.head()
【空气质量颗粒物数据】
air_quality_pm25_long.csv P M 2.5 PM_{2.5} PM2.5 分别位于巴黎、安特卫普和伦敦的 FR04014、BETR801 和伦敦威斯敏斯特测量站的值。
air_quality_pm25 = pd.read_csv("air_quality_pm25_long.csv")
air_quality_pm25 = air_quality_pm25[["date.utc", "location", "parameter", "value"]]
air_quality_pm25.head()
【1】连接对象
我想结合测量值 N O 2 NO_2 NO2 和 P M 2.5 PM_{2.5} PM2.5 ，两个结构相似的表，位于一个表中。
air_quality = pd.concat([air_quality_pm25, air_quality_no2], axis=0)
air_quality.head()
concat() 函数沿其中一个轴（逐行或按列）对多个表执行串联操作。
默认情况下，串联沿轴 0 进行，因此生成的表合并了输入表的行。让我们检查原始表和串联表的形状以验证操作：
print('Shape of the ``air_quality_pm25`` table: ', air_quality_pm25.shape)
Shape of the ``air_quality_pm25`` table: (1110, 4)
print('Shape of the ``air_quality_no2`` table: ', air_quality_no2.shape)
Shape of the ``air_quality_no2`` table: (2068, 4)
print('Shape of the resulting ``air_quality`` table: ', air_quality.shape)
Shape of the resulting ``air_quality`` table: (3178, 4)
因此，生成的表有 3178 = 1110 + 2068 行。
【注意】axis 参数将返回许多可以沿轴应用的 pandas 方法。DataFrame有两个相应的轴：第一个轴垂直向下跨行（轴 0），第二个轴水平运行跨列（轴 1）。默认情况下，大多数操作（如串联或汇总统计信息）跨行（轴 0）应用，但也可以跨列应用。
根据日期时间信息对表进行排序还说明了两个表的组合，parameter列定义表的原点（表 air_quality_no2 中的 no2 或表 air_quality_pm25 中的 pm25):
air_quality = air_quality.sort_values("date.utc")
air_quality.head()
在此特定示例中，数据提供的parameter列可确保可以标识每个原始表。情况并非总是如此。concat 函数使用 keys 参数提供了一个方便的解决方案，添加了额外的（分层）行索引。例如：
air_quality_ = pd.concat([air_quality_pm25, air_quality_no2], keys=["PM25", "NO2"])
air_quality_.head()
【2】使用通用标识符联接表
将台站元数据表提供的台站坐标添加到测量表中的相应行中。
stations_coord = pd.read_csv("air_quality_stations.csv")
stations_coord.head()
此示例中使用的电台（FR04014、BETR801 和伦敦威斯敏斯特）只是元数据表中登记的三个条目。我们只想将这三个坐标添加到测量表中，每个坐标都在air_quality表的相应行上。
air_quality.head()
air_quality = pd.merge(air_quality, stations_coord, how="left", on="location")
air_quality.head()
使用 merge() 函数，对于air_quality表中的每一行，将从air_quality_stations_coord表中添加相应的坐标。两个表具有共同的列位置，该location用作组合信息的键。通过选择left连接，只有air_quality（左）表中可用的位置，即FR04014，BETR801和伦敦威斯敏斯特，最终会出现在结果表中。merge函数支持多个联接选项，类似于数据库样式的操作。
将参数元数据表提供的参数的完整描述和名称添加到测量表中。
air_quality_parameters = pd.read_csv("air_quality_parameters.csv")
air_quality_parameters.head()
air_quality = pd.merge(air_quality, air_quality_parameters, how="left", left_on="parameter", right_on="id")
air_quality.head()
与前面的示例相比，没有通用列名。但是，air_quality表中的parameter列和air_quality_parameters_name中的 id 列都以通用格式提供测量变量。left_on 和 right_on 参数（而不仅仅是 on）在两个表之间建立链接。
【小结】
可以使用 concat 函数按列和按行连接多个表。
对于类似数据库的表合并/连接，请使用merge