码迷,mamicode.com
首页 > 编程语言 > 详细

python数据表的合并(python pandas join() 、merge()和concat()的用法)

时间:2018-04-22 10:55:15      阅读:699      评论:0      收藏:0      [点我收藏+]

标签:pandas   https   post   obj   右外连接   syn   HERE   lse   sel   

merage#

pandas提供了一个类似于关系数据库的连接(join)操作的方法<Strong>merage</Strong>,可以根据一个或多个键将不同DataFrame中的行连接起来,语法如下:

1
2
3
merge(left, right, how=‘inner‘, on=None, left_on=None, right_on=None,
      left_index=False, right_index=False, sort=True,
      suffixes=(‘_x‘‘_y‘), copy=True, indicator=False)

作为一个功能完善、强大的语言,python的pandas库中的merge()支持各种内外连接。

  • left与right:两个不同的DataFrame
  • how:指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
  • on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中,如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
  • left_on:左则DataFrame中用作连接键的列名;这个参数中左右列名不相同,但代表的含义相同时非常有用。
  • right_on:右则DataFrame中用作 连接键的列名
  • left_index:使用左则DataFrame中的行索引做为连接键
  • right_index:使用右则DataFrame中的行索引做为连接键
  • sort:默认为True,将合并的数据进行排序。在大多数情况下设置为False可以提高性能
  • suffixes:字符串值组成的元组,用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称,默认为(‘_x‘,‘_y‘)
  • copy:默认为True,总是将数据复制到数据结构中;大多数情况下设置为False可以提高性能
  • indicator:在 0.17.0中还增加了一个显示合并数据中来源情况;如只来自己于左边(left_only)、两者(both)
sql中的
1
2
3
4
5
6
7
SELECT *
FROM df1
INNER JOIN df2
  ON df1.key = df2.key;
SELECT *
FROM df1,df2 where df1.key=df2.key

 

pandas中用:

1
pd.merge(df1, df2, on=‘key‘)

然后就是各种外连接了:

1
pd.merge(df1, df2, on=‘key‘, how=‘left‘)

 

how变成left/right。全链接outer。

示例##

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
#coding=utf-8
from pandas import Series,DataFrame,merge
import numpy as np
data=DataFrame([{"id":0,"name":‘lxh‘,"age":20,"cp":‘lm‘},{"id":1,"name":‘xiao‘,"age":40,"cp":‘ly‘},{"id":2,"name":‘hua‘,"age":4,"cp":‘yry‘},{"id":3,"name":‘be‘,"age":70,"cp":‘old‘}])
data1=DataFrame([{"id":100,"name":‘lxh‘,‘cs‘:10},{"id":101,"name":‘xiao‘,‘cs‘:40},{"id":102,"name":‘hua2‘,‘cs‘:50}])
data2=DataFrame([{"id":0,"name":‘lxh‘,‘cs‘:10},{"id":101,"name":‘xiao‘,‘cs‘:40},{"id":102,"name":‘hua2‘,‘cs‘:50}])
 
print "单个列名做为内链接的连接键\r\n",merge(data,data1,on="name",suffixes=(‘_a‘,‘_b‘))
print "多列名做为内链接的连接键\r\n",merge(data,data2,on=("name","id"))
print ‘不指定on则以两个DataFrame的列名交集做为连接键\r\n‘,merge(data,data2) #这里使用了id与name
 
#使用右边的DataFrame的行索引做为连接键
##设置行索引名称
indexed_data1=data1.set_index("name")
print "使用右边的DataFrame的行索引做为连接键\r\n",merge(data,indexed_data1,left_on=‘name‘,right_index=True)
 
 
print ‘左外连接\r\n‘,merge(data,data1,on="name",how="left",suffixes=(‘_a‘,‘_b‘))
print ‘左外连接1\r\n‘,merge(data1,data,on="name",how="left")
print ‘右外连接\r\n‘,merge(data,data1,on="name",how="right")
data3=DataFrame([{"mid":0,"mname":‘lxh‘,‘cs‘:10},{"mid":101,"mname":‘xiao‘,‘cs‘:40},{"mid":102,"mname":‘hua2‘,‘cs‘:50}])
 
#当左右两个DataFrame的列名不同,当又想做为连接键时可以使用left_on与right_on来指定连接键
print "使用left_on与right_on来指定列名字不同的连接键\r\n",merge(data,data3,left_on=["name","id"],right_on=["mname","mid"])


输出为:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
单个列名做为内链接的连接键
   age  cp  id_a  name  cs  id_b
0   20  lm     0   lxh  10   100
1   40  ly     1  xiao  40   101
多列名做为内链接的连接键
   age  cp  id name  cs
0   20  lm   0  lxh  10
不指定on则以两个DataFrame的列名交集做为连接键
   age  cp  id name  cs
0   20  lm   0  lxh  10
使用右边的DataFrame的行索引做为连接键
   age  cp  id_x  name  cs  id_y
0   20  lm     0   lxh  10   100
1   40  ly     1  xiao  40   101
左外连接
   age   cp  id_a  name  cs  id_b
0   20   lm     0   lxh  10   100
1   40   ly     1  xiao  40   101
2    4  yry     2   hua NaN   NaN
3   70  old     3    be NaN   NaN
左外连接1
   cs  id_x  name  age   cp  id_y
0  10   100   lxh   20   lm     0
1  40   101  xiao   40   ly     1
2  50   102  hua2  NaN  NaN   NaN
右外连接
   age   cp  id_x  name  cs  id_y
0   20   lm     0   lxh  10   100
1   40   ly     1  xiao  40   101
2  NaN  NaN   NaN  hua2  50   102
使用left_on与right_on来指定列名字不同的连接键
   age  cp  id name  cs  mid mname
0   20  lm   0  lxh  10    0   lxh

 

join方法提供了一个简便的方法用于将两个DataFrame中的不同的列索引合并成为一个DataFrame。

其中参数的意义与merge方法基本相同,只是join方法默认为左外连接how=left。

示例:

 

1
2
3
4
5
6
7
8
9
10
#coding=utf-8
from pandas import Series,DataFrame,merge
 
data=DataFrame([{"id":0,"name":‘lxh‘,"age":20,"cp":‘lm‘},{"id":1,"name":‘xiao‘,"age":40,"cp":‘ly‘},{"id":2,"name":‘hua‘,"age":4,"cp":‘yry‘},{"id":3,"name":‘be‘,"age":70,"cp":‘old‘}],index=[‘a‘,‘b‘,‘c‘,‘d‘])
data1=DataFrame([{"sex":0},{"sex":1},{"sex":2}],index=[‘a‘,‘b‘,‘e‘])
 
print ‘使用默认的左连接\r\n‘,data.join(data1)  #这里可以看出自动屏蔽了data中没有的index=e 那一行的数据
print ‘使用右连接\r\n‘,data.join(data1,how="right"#这里出自动屏蔽了data1中没有index=c,d的那行数据;等价于data1.join(data)
print ‘使用内连接\r\n‘,data.join(data1,how=‘inner‘)
print ‘使用全外连接\r\n‘,data.join(data1,how=‘outer‘)

结果为:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
使用默认的左连接
   age   cp  id  name  sex
a   20   lm   0   lxh    0
b   40   ly   1  xiao    1
c    4  yry   2   hua  NaN
d   70  old   3    be  NaN
使用右连接
   age   cp  id  name  sex
a   20   lm   0   lxh    0
b   40   ly   1  xiao    1
e  NaN  NaN NaN   NaN    2
使用内连接
   age  cp  id  name  sex
a   20  lm   0   lxh    0
b   40  ly   1  xiao    1
使用全外连接
   age   cp  id  name  sex
a   20   lm   0   lxh    0
b   40   ly   1  xiao    1
c    4  yry   2   hua  NaN
d   70  old   3    be  NaN
e  NaN  NaN NaN   NaN    2

 

还有一种连接方式:concat

concat方法相当于数据库中的全连接(UNION ALL),可以指定按某个轴进行连接,也可以指定连接的方式join(outer,inner 只有这两种)。

与数据库不同的是concat不会去重,要达到去重的效果可以使用drop_duplicates方法

 

1
2
concat(objs, axis=0, join=‘outer‘, join_axes=None, ignore_index=False,
           keys=None, levels=None, names=None, verify_integrity=False, copy=True):

 

 示例:

1
2
3
4
5
6
7
8
#coding=utf-8
from pandas import Series,DataFrame,concat
 
df1 = DataFrame({‘city‘: [‘Chicago‘‘San Francisco‘‘New York City‘], ‘rank‘range(14)})
df2 = DataFrame({‘city‘: [‘Chicago‘‘Boston‘‘Los Angeles‘], ‘rank‘: [145]})
print ‘按轴进行内连接\r\n‘,concat([df1,df2],join="inner",axis=1)
print ‘进行外连接并指定keys(行索引)\r\n‘,concat([df1,df2],keys=[‘a‘,‘b‘]) #这里有重复的数据
print ‘去重后\r\n‘,concat([df1,df2],ignore_index=True).drop_duplicates()

 


 输出结果为:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
按轴进行内连接
            city  rank         city  rank
0        Chicago     1      Chicago     1
1  San Francisco     2       Boston     4
2  New York City     3  Los Angeles     5
进行外连接并指定keys(行索引)
              city  rank
0        Chicago     1
  1  San Francisco     2
  2  New York City     3
0        Chicago     1
  1         Boston     4
  2    Los Angeles     5
去重后
            city  rank
0        Chicago     1
1  San Francisco     2
2  New York City     3
4         Boston     4
5    Los Angeles     5

 

 

 

利用python做数据分析(四)-数据合并: https://blog.csdn.net/youngbit007/article/details/53053784

python数据表的合并(python pandas join() 、merge()和concat()的用法)

标签:pandas   https   post   obj   右外连接   syn   HERE   lse   sel   

原文地址:https://www.cnblogs.com/timxgb/p/8905285.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!