Pandas 是一套用于 Python 的快速、高效的數據分析工具。它可以用于數據挖掘和數據分析，同時也提供數據清洗功能。本文將詳細講解數據合并與連接，目錄如下：

①

concat

一.定義

concat函數可以在兩個維度上對數據進行拼接，默認縱向拼接（axis=0），即按行拼接。拼接方式默認為外連接（outer)，即取所有的表頭字段或索引字段。

二.語法

pd.concat(objs,axis=0, join='outer', ignore_index=False,

keys=None,levels=None, names=None, verify_integrity=False,?

copy=True)

參數釋義：

objs：需要用于連接合并的對象列表

axis：連接的方向，默認為0（按行），按列為1

join：連接的方式，默認為outer，可選inner只取交集

ignore_index：合并后的數據索引重置，默認為False，可選True

keys：列表或數組，也可以是元組的數組，用來構造層次結構索引

levels：指定用于層次化索引各級別上的索引，在有keys值時

names：用于創建分層級別名稱，在有keys和levels時

verify_integrity：檢查連接對象中新軸是否重復，若是則異常，默認為False允許重復

copy：默認為True，如果是False，則不會復制不必要的可以提高效率

三.代碼示例

首先，我們看一個簡單的例子：

以上代碼構建了3個字典并轉為DataFrame，然后通過concat實現默認方式合并。合并演示如下：

1.設置參數keys

2.設置axis參數

axis=1按列合并，默認情況下，join='outer'，合并時索引全部保留，對于不存在值的部分會默認賦NaN。

3.設置join參數

4.設置ignore_index參數

5.Series與DataFrame合并

②

append

一.定義

運用append方法，可以將Series或字典數據添加到DataFrame。

二.代碼示例

③

merge

一.定義

merge函數可根據一個或多個鍵（列）相同進行DataFrame拼接。類似于關系型數據庫的join操作。

二.語法

pd.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,validate=None)

參數釋義：

left：參與合并的左側數據

right：參與合并的右側數據

how：合并類型：inner(默認內連接)、outer（外連接）、left（左連接）、right（右連接）

on：用于連接的列名，默認為左右側數據共有的列名，指定時需要為左右側數據都存在的列名

left_on：左側數據用于連接的列

right_on：右側數據用于連接的列

left_index：將左側索引作為連接的列

right_index：將右側索引作為連接的列

sort：排序，默認為True，設置為False可提高性能

suffixes：默認為('_x', '_y')，可以自定義如('date_x','date_y')

copy：默認為True，如果是False，則不會復制不必要的可以提高效率

indicator：指示器，默認False，設置為True時會新增一列標識

validate：字符串，如果指定則會檢測合并的數據是否滿足指定類型（1對1，1對多，多對1，多對多）

三.示例

首先，我們看一個簡單的例子：

1.設置參數how

2.設置validate參數

3.設置indicator參數

4.設置left_on參數和right_on參數

④

join

一.定義

join可以將兩個沒用共同列名的數據進行快速合并，默認是保留被合并的數據索引。join接受的參數有how、on和suffix等。

二.示例

E?N?D

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的数据合并之concat、append、merge和join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站內容還不錯，歡迎將生活随笔推薦給好友。