Python Pandas中合并数据的5个函数使用详解

更新时间：2022年05月07日 10:35:47 作者：黄伟呢

数据合并是数据处理过程中的必经环节，pandas作为数据分析的利器，提供了五种常用的数据合并方式，让我们看看如何使用这些方法吧！

join

join是基于索引的横向拼接，如果索引一致，直接横向拼接。如果索引不一致，则会用Nan值填充。

索引一致

x = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                    index=[0, 1, 2])
y = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                    index=[0, 1, 2])
x.join(y)

结果如下：

索引不一致

x = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                    index=[0, 1, 2])
y = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                    index=[1, 2, 3])
x.join(y)

结果如下：

merge

merge是基于指定列的横向拼接，该函数类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

可以指定不同的how参数，表示连接方式，有inner内连、left左连、right右连、outer全连，默认为inner;

x = pd.DataFrame({'姓名': ['张三', '李四', '王五'],
                     '班级': ['一班', '二班', '三班']})
y = pd.DataFrame({'专业': ['统计学', '计算机', '绘画'],
                      '班级': ['一班', '三班', '四班']})

pd.merge(x,y,how="left")

结果如下：

concat

concat函数既可以用于横向拼接，也可以用于纵向拼接。

纵向拼接

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
z = pd.concat([x,y],axis=0)
z

结果如下：

横向拼接

x = pd.DataFrame({'姓名': ['张三', '李四', '王五'],
                     '班级': ['一班', '二班', '三班']})
y = pd.DataFrame({'专业': ['统计学', '计算机', '绘画'],
                      '班级': ['一班', '三班', '四班']})
z = pd.concat([x,y],axis=1)
z

结果如下：

append

append主要用于纵向追加数据。

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
x.append(y)

结果如下：

combine

conbine可以通过使用函数，把两个DataFrame按列进行组合。

x = pd.DataFrame({"A":[3,4],"B":[1,4]})
y = pd.DataFrame({"A":[1,2],"B":[5,6]})
x.combine(y,lambda a,b:np.where(a>b,a,b))

结果如下：

注：上述函数，用于返回对应位置上的最大值。

到此这篇关于Python Pandas中合并数据的5个函数使用详解的文章就介绍到这了,更多相关Python Pandas合并数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

python NetworkX库生成并绘制带权无向图
这篇文章主要为大家介绍了python NetworkX库生成并绘制带权无向图的实现示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-05-05
Python实现简单的"导弹" 自动追踪原理解析
这篇文章主要介绍了Python实现简单的"导弹" 自动追踪原理解析,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-03-03
Selenium中的option使用示例
这篇文章主要介绍了Selenium中的option用法实例,本文结合示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2022-12-12
python中json格式数据输出的简单实现方法
下面小编就为大家带来一篇python中json格式数据输出的简单实现方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2016-10-10
使用PyWeChatSpy自动回复微信拍一拍功能的实现代码
这篇文章主要介绍了用PyWeChatSpy自动回复微信拍一拍功能，本文通过实例图文相结合给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-07-07
Pycharm使用Gitee解读
这篇文章主要介绍了Pycharm使用Gitee解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-05-05
python爬虫入门教程之点点美女图片爬虫代码分享
这篇文章主要介绍了python爬虫入门教程之点点美女图片爬虫代码分享,本文以采集抓取点点网美女图片为例,需要的朋友可以参考下
2014-09-09
使用Python的PIL模块来进行图片对比
这篇文章主要介绍了使用Python的PIL模块来进行图片对比的方法,搜索引擎最基本的图片搜索也是利用图片颜色值的对比来实现的,需要的朋友可以参考下
2016-02-02
Django视图类型总结
在本篇文章里小编给大家整理的是一篇关于Django视图类型的总结内容，有兴趣的朋友们可以学习下。
2021-02-02
使用Python处理KNN分类算法的实现代码
KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法，这篇文章主要介绍了使用Python处理KNN分类算法,需要的朋友可以参考下
2022-09-09