关于python DataFrame的合并方法总结
python DataFrame的合并方法
Python的Pandas针对DataFrame,Series提供了多个合并函数，通过参数的调整可以轻松实现DatafFrame的合并。
首先，定义3个DataFrame df1,df2,df3，进行concat、merge、append函数的实验。
df1=pd.DataFrame([[1,2,3],[2,3,4]],columns=['a','b','c']) df2=pd.DataFrame([[2,3,4],[3,4,5]],columns=['a','b','c']) df3=pd.DataFrame([[1,2,3],[2,3,4]],columns=['a','b','d'])
df1 a b c 0 1 2 3 1 2 3 4 df2 a b c 0 2 3 4 1 3 4 5 df3 a b d 0 1 2 3 1 2 3 4
#concat函数
pandas中concat函数的完整表达，包含多个参数，常用的有axis,join,ignore_index.
concat函数的第一个参数为objs，一般为一个list列表，包含要合并两个或多个DataFrame，多个Series
pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)
1.axis表示合并方向，默认axis=0，两个DataFrame按照索引方向纵向合并,axis=1则会按照columns横向合并。
pd.concat([df1,df2],axis=1) a b c a b c 0 1 2 3 2 3 4 1 2 3 4 3 4 5
2.join表示合并方式，默认join=‘outer’，另外的取值为’inner’,只合并相同的部分，axis=0时合并结果为相同列名的数据，axis=1时为具有相同索引的数据
pd.concat([df2,df3],axis=0,join='inner') a b 0 2 3 1 3 4 0 1 2 1 2 3 pd.concat([df2,df3],axis=1,join='inner') a b c a b d 0 2 3 4 1 2 3 1 3 4 5 2 3 4
3.ignore_index表示索引的合并方式，默认为False，会保留原df的索引，如果设置ignore_index=True，合并后的df会重置索引。
pd.concat([df1,df2],ignore_index=True) a b c 0 1 2 3 1 2 3 4 2 2 3 4 3 3 4 5
#merge函数
merge函数是pandas提供的一种数据库式的合并方法。
on可以指定合并的列、索引，how则是与数据库join函数相似，取值为left,right,outer,inner.left,right分别对应left outer join, right outer join.
pandas.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):merge函数可以通过pandas.merge(df1,df2)、df1.merge(df2)两种形式来实现两个DataFrame的合并,df1.merge(df2)是默认left=self的情况。
df_merge =df1.merge(df3,on=['a','b']) a b c d 0 1 2 3 3 1 2 3 4 4
#append函数
append函数是pandas针对DataFrame、Series等数据结构合并提供的函数。
df1.append(self, other, ignore_index=False, verify_integrity=False)
df1.append(df2)与pd.concat([df1,df2],ignore_index=False)具有相同的合并结果
df1.append(df2) a b c 0 1 2 3 1 2 3 4 0 2 3 4 1 3 4 5
更多使用方法可以参考pandas关于数据合并的官方文档http://pandas.pydata.org/pandas-docs/stable/merging.html
把两个dataframe合并成一个
1.merage
result = pd.merge(对象1, 对象2, on='key')
对象1 和 对象2分别为要合并的dataframe，key是在两个dataframe都存在的列（类似于数据库表中的主键）
2.append
result = df1.append(df2) result = df1.append([df2, df3]) result = df1.append(df4, ignore_index=True)
3.join
result = left.join(right, on=['key1', 'key2'], how='inner')
4.concat
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True) frames = [df1, df2, df3] result = pd.concat(frames) result = pd.concat(frames, keys=['x', 'y', 'z']) result = pd.concat([df1, df4], ignore_index=True)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了Python获取邮件地址的方法,通过自定义函数分析提取字符串中邮件地址的相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
这篇文章主要为大家详细介绍了基于PyQt4和PySide实现输入对话框效果，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-02-02
想要彻底卸载 CentOS 上的 Python 吗？不用担心,我们来帮你搞定！本指南将教你如何在 CentOS 系统上完全清理 Python,让你的系统焕然一新,跟着我们的步骤,让你的系统焕然一新吧！2023-11-11
Python 常用模块threading和Thread模块之线程池
这篇文章主要介绍了Python threading和Thread模块之线程池，线程池如消费者，负责接收任务，并将任务分配到一个空闲的线程中去执行。并不关心是哪一个线程执行的这个任务，具体介绍需要的小伙伴可以参考下面文章详细内容2022-06-06
这篇文章主要介绍了使用Python解析并修改XML文档的方法,是Python入门学习中的基础知识,需要的朋友可以参考下2015-10-10
解决Python import .pyd 可能遇到路径的问题
这篇文章主要介绍了解决Python import .pyd 可能遇到路径的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要为大家详细介绍了python实现三子棋游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-05-05
代码是没问题的，可以正常运行，但是希望做到以下2方面： 1、多线程下载 2、代码分离度更高，跟面向对象2008-12-12
PyTorch中model.zero_grad()和optimizer.zero_grad()用法
这篇文章主要介绍了PyTorch中model.zero_grad()和optimizer.zero_grad()用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
难免会碰到秀逗了把测试的链接发布到线上的情况，一般这种都是通过一些测试的检查工具来检查链接来规避风险的，下面为大家简述下大概的实现思路2014-06-06
最新评论