文章目錄

• merge()
• • 1.常規(guī)合并
  • • ①方法1
    • ②方法2
    • 重要參數(shù)
    • 合并方式 left right outer inner
    • • 準備數(shù)據(jù)‘
      • inner（默認）
      • outer
      • left
      • right
  • 2.多對一合并
  • 3.多對多合并
• concat()
• • 1.相同字段的表首位相連
  • 2.橫向表合并（行對齊）
  • 3.交叉合并

---

merge()

---

1.常規(guī)合并

①方法1

指定一個參照列，以該列為準，合并其他列。

import pandas as pddf1 = pd.DataFrame({'id': ['001', '002', '003'],'num1': [120, 101, 104],'num2': [110, 102, 121],'num3': [105, 120, 113]}) df2 = pd.DataFrame({'id': ['001', '002', '003'],'num4': [80, 86, 79]}) print(df1) print("=======================================") print(df2) print("=======================================") df_merge = pd.merge(df1, df2, on='id') print(df_merge)

---

②方法2

要實現(xiàn)該合并，也可以通過索引來合并，即以index列為基準。將left_index 和 right_index 都設置為True
即可。（left_index 和 right_index 都默認為False，left_index表示左表以左表數(shù)據(jù)的index為基準， right_index表示右表以右表數(shù)據(jù)的index為基準。）

import pandas as pddf1 = pd.DataFrame({'id': ['001', '002', '003'],'num1': [120, 101, 104],'num2': [110, 102, 121],'num3': [105, 120, 113]}) df2 = pd.DataFrame({'id': ['001', '002', '003'],'num4': [80, 86, 79]}) print(df1) print("=======================================") print(df2) print("=======================================")df_merge = pd.merge(df1, df2, left_index=True, right_index=True) print(df_merge)

相比方法①，區(qū)別在于，如圖，方法②合并出的數(shù)據(jù)中有重復列。

---

重要參數(shù)

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

參數(shù)描述

left	左表，合并對象，DataFrame或Series
right	右表，合并對象，DataFrame或Series
how	合并方式，可以是left(左合并), right(右合并), outer(外合并), inner(內合并)
on	基準列 的列名
left_on	左表基準列列名
right_on	右表基準列列名
left_index	左列是否以index為基準，默認False，否
right_index	右列是否以index為基準，默認False，否

其中，left_index與right_index 不能與 on 同時指定。

合并方式 left right outer inner

準備數(shù)據(jù)‘

新準備一組數(shù)據(jù):

import pandas as pddf1 = pd.DataFrame({'id': ['001', '002', '003'],'num1': [120, 101, 104],'num2': [110, 102, 121],'num3': [105, 120, 113]}) df2 = pd.DataFrame({'id': ['001', '004', '003'],'num4': [80, 86, 79]}) print(df1) print("=======================================") print(df2) print("=======================================")

---

inner（默認）

使用來自兩個數(shù)據(jù)集的鍵的交集

df_merge = pd.merge(df1, df2, on='id') print(df_merge)

---

outer

使用來自兩個數(shù)據(jù)集的鍵的并集

df_merge = pd.merge(df1, df2, on='id', how="outer") print(df_merge)

---

left

使用來自左數(shù)據(jù)集的鍵

df_merge = pd.merge(df1, df2, on='id', how='left') print(df_merge)

---

right

使用來自右數(shù)據(jù)集的鍵

df_merge = pd.merge(df1, df2, on='id', how='right') print(df_merge)

---

2.多對一合并

import pandas as pddf1 = pd.DataFrame({'id': ['001', '002', '003'],'num1': [120, 101, 104],'num2': [110, 102, 121],'num3': [105, 120, 113]}) df2 = pd.DataFrame({'id': ['001', '001', '003'],'num4': [80, 86, 79]}) print(df1) print("=======================================") print(df2) print("=======================================")

如圖，df2中有重復id1的數(shù)據(jù)。

合并

df_merge = pd.merge(df1, df2, on='id') print(df_merge)

合并結果如圖所示：

依然按照默認的Inner方式，使用來自兩個數(shù)據(jù)集的鍵的交集。且重復的鍵的行會在合并結果中體現(xiàn)為多行。

---

3.多對多合并

如圖表1和表2中都存在多行id重復的。

import pandas as pd df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],'num1': [120, 101, 104, 114, 123],'num2': [110, 102, 121, 113, 126],'num3': [105, 120, 113, 124, 128]}) df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],'num4': [80, 86, 79, 88, 93]}) print(df1) print("=======================================") print(df2) print("=======================================")

df_merge = pd.merge(df1, df2, on='id') print(df_merge)

---

concat()

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

參數(shù)描述

objs	Series，DataFrame或Panel對象的序列或映射
axis	默認為0，表示列。如果為1則表示行。
join	默認為"outer"，也可以為"inner"
ignore_index	默認為False，表示保留索引（不忽略）。設為True則表示忽略索引。

其他重要參數(shù)通過實例說明。

1.相同字段的表首位相連

首先準備三組DataFrame數(shù)據(jù)：

import pandas as pd df1 = pd.DataFrame({'id': ['001', '002', '003'],'num1': [120, 114, 123],'num2': [110, 102, 121],'num3': [113, 124, 128]}) df2 = pd.DataFrame({'id': ['004', '005'],'num1': [120, 101],'num2': [113, 126],'num3': [105, 128]}) df3 = pd.DataFrame({'id': ['007', '008', '009'],'num1': [120, 101, 125],'num2': [113, 126, 163],'num3': [105, 128, 114]})print(df1) print("=======================================") print(df2) print("=======================================") print(df3)

合并

dfs = [df1, df2, df3] result = pd.concat(dfs) print(result)

如果想要在合并后，標記一下數(shù)據(jù)都來自于哪張表或者數(shù)據(jù)的某類別，則也可以給concat加上 參數(shù)keys 。

result = pd.concat(dfs, keys=['table1', 'table2', 'table3']) print(result)

此時，添加的keys與原來的index組成元組，共同成為新的index。

print(result.index)

---

2.橫向表合并（行對齊）

準備兩組DataFrame數(shù)據(jù)：

import pandas as pd df1 = pd.DataFrame({'num1': [120, 114, 123],'num2': [110, 102, 121],'num3': [113, 124, 128]}, index=['001', '002', '003']) df2 = pd.DataFrame({'num3': [117, 120, 101, 126],'num5': [113, 125, 126, 133],'num6': [105, 130, 128, 128]}, index=['002', '003', '004', '005'])print(df1) print("=======================================") print(df2)

當axis為默認值0時：

result = pd.concat([df1, df2]) print(result)

橫向合并需要將axis設置為1 ：

result = pd.concat([df1, df2], axis=1) print(result)

---

對比以上輸出差異。

• axis=0時，即默認縱向合并時，如果出現(xiàn)重復的行，則會同時體現(xiàn)在結果中
• axis=1時，即橫向合并時，如果出現(xiàn)重復的列，則會同時體現(xiàn)在結果中。

---

3.交叉合并

result = pd.concat([df1, df2], axis=1, join='inner') print(result)

---

總結

以上是生活随笔為你收集整理的python DataFrame数据合并 merge()、concat()方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。