目錄
- 1 pd.concat()軸連接合并
- 2 pd.merge() 連接資料
- 3 df.join()
- 4 df.append()
1 pd.concat()軸連接合并
pd.concat(objs, axis=0, join='outer',
join_axes=None, ignore_index=False, keys=None, levels=None,
names=None, verify_integrity=False, sort=None, copy=True)
功能說明：
??多個dataframe或者series拼接到一起，指定方向（上下堆疊、左右拼接），指定合并方式（交集、并集），
引數說明：
- objs：連接的物件，多個 DataFrame 或者 Series，例如[df1,df2]；
- axis：指定合并的方向，0，縱向合并，對比列標簽；1，橫向合并，對比行標簽；
- join：連接方式，outer，并集（index全部需要）；inner，交集（只取index重合的部分）；
- join_axes：傳入需要保留的index，如[df1.index]或[df1.columns]，在官方檔案中提醒即將被棄用，
- ignore_index：是否保留原表索引，默認保留，為 True 會自動增加自然索引，
- keys：構造層次結構索引，給每個表指定一個一級索引，
- levels：不常用，傳入序列串列，默認值無，用于構建MultiIndex的特定級別（唯一值），
- names：索引的名稱，包括多層索引，標記每條記錄來自于哪個表，
- verify_integrity：
- sort：布林值，默認值無，當" join"為" outer"時，如果有未對齊的軸，則對軸資訊進行排序，不設定sort會有警告資訊，
- 顯式傳遞``sort = True''使警告靜音，進行排序，
- 顯式傳遞``sort = False''以使警告靜音而不進行排序，
- 當"join ='inner'"已經保留了非串聯軸的順序時，這個命令無效，
- copy：bool，默認為True，如果為False，則不要不必要地復制資料，
資料源：
# ①基本連接：縱向合并，取交集
pd.concat([df1, df2])
# ②axis = 1,橫向合并
pd.concat([df1,df2],axis=1)
# ③join = 'inner',取交集
pd.concat([df1,df2],join='inner')
pd.concat([df1,df2],join='inner',axis=1)
# ④join_axes=[df.index],根據需要保留的index進行合并
pd.concat([df1,df2],join_axes=[df1.columns])
pd.concat([df1,df2],axis=1,join_axes=[df2.index])
# ⑤ignore_index =True,丟棄原表索引，增加自然索引
pd.concat([df1,df2],ignore_index=True)
pd.concat([df1,df2],ignore_index=True,axis=1)
# ⑥keys = ['df1','df2']，names=['來源表','列號'],在最外層添加一層索引，便于區分合并后的資料是哪個原表
pd.concat([df1,df2],keys=['df1','df2'])
# ⑥_1
pd.concat([df1,df2],keys=['df1','df2'],axis=1,names=['來源表','列號'])
2 pd.merge() 連接資料
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=False,
suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)
功能說明：
??具有全功能、高性能的記憶體連接操作，與 SQL 的方式很類似，只能用于兩個表的拼接，通過引數名稱也能看出連接方向是左右拼接，一個左表一個右表，而且引數中沒有指定拼接軸的引數axis，不能用于表的上下拼接，
引數說明：
- left/right：參與合并的左側/右側DataFrame；
- how：連接方式：inner、outer、left、right，默認為inner；
- on：用于連接單個列名或組合列名['key1', 'key2']，必須同時存在左右兩個DataFrame中，未顯示指定且其他連接鍵也未指定，默認以左右兩個表的共同列（組合列）作為連接鍵，建議顯示指定；
- left_on/right_on：指定左右側DataFrame的連接鍵；
- left_index/right_index：將左側/右側DataFrame的行索引作為連接鍵；
- sort：根據連接鍵對合并后的資料進行排序，禁用處理大資料獲得更好的性能；
- suffixes：字串元組，追加到重復列名的末尾，默認為（'_x', '_y'）；
- copy：
- validate：檢查重復鍵
- indicator：連接指示
①單個鍵鏈接：
# ①最簡單連接：默認內連接，未指定連接鍵，取公共列作為連接鍵
pd.merge(left_df,right_df)
# 等價，建議顯示指定
pd.merge(left_df,right_df,on='key')
②多個鍵鏈接：
# 不顯示指定連接鍵，默認會以['key1','key2']作為鏈接鍵
pd.merge(left_df,right_df)
# 等價于（所以建議顯示指定）
pd.merge(left_df,right_df,on=['key1','key2'])
# how='left',以左表為基表，右表無匹配為NaN
pd.merge(left_df,right_df,how='left',on=['key1','key2'])
# how='right',以右表為基表，左表無匹配為NaN
pd.merge(left_df,right_df,how='right',on=['key1','key2'])
# how=‘outer’,外連接，取交集
# 等價于左連接和右連接的并集（疊加）
pd.merge(left_df,right_df,how='outer',on=['key1','key2'])
③欄位不相同指定連接鍵：
# left_on，right_on指定鏈接鍵，重復列會被標記區分
pd.merge(left_df,right_df,left_on='key',right_on='key1')
3 df.join()
4 df.append()
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/285587.html
標籤：Python