Pandas中数据合并的实现

更新时间：2025年05月06日 09:43:03 作者：浮云H

本文介绍了使用Pandas库进行数据合并,包括堆叠合并和主键合并,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

一、数据合并

1.堆叠合并数据

1)横向堆叠：用concat()函数

当axis=1时，concat做行对齐，然后将不同列名称的两张或多张表合并。当两个表索引不完全相同时，可以使用join参数选择是内连接还是外连接。在内连接的情况下，仅仅返回索引重叠部分；在外连接的情况下，则显示索引的并集部分数据，不足的地方使用空值填补。

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3])
df2 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'], 'D': ['D2', 'D3', 'D6', 'D7'], 'F': ['F2', 'F3', 'F6', 'F7']},
                   index=[2, 3, 6, 7])
result = pd.concat([df1, df2], axis=1, join='inner')
print(result)

结果：

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

结果：

2)纵向堆叠：用concat()函数和append()函数

使用concat()函数时，在默认情况下，即axis=0时，concat做列对齐，将不同行索引的两张或多张表纵向合并。在两张表的列名并不完全相同的情况下，可以使用join参数：取值为inner时，返回的仅仅是列名的交集所代表的列；取值为outer时，返回的是两列名的并集代表的列。

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']}, index=[4, 5, 6, 7])
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'], 'B': ['B8', 'B9', 'B10', 'B11'], 'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']}, index=[8, 9, 10, 11])
frames = [df1, df2, df3]
result = pd.concat(frames, axis=0)
print(result)

结果：

append()函数实现纵向表堆叠有一个前提条件，即两张表的列名需要完全一致。但是append应该是用不了了。

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']}, index=[4, 5, 6, 7])
result = df1.append(df2)
print(result)

结果：

df2 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'], 'D': ['D2', 'D3', 'D6', 'D7'], 'F': ['F2', 'F3', 'F6', 'F7']},
                   index=[2, 3, 6, 7])
result = df1.append(df2)
print(result)

结果：

2.主键合并数据

使用merge()函数和join()函数

left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']})
result = pd.merge(left, right, on='key')
print(result)

结果：

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'], 'key2': ['K0', 'K1', 'K0', 'K1'], 'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'], 'key2': ['K0', 'K0', 'K0', 'K0'], 'C':['C0', 'C1', 'C2', 'C3'],
                     'D':['D0', 'D1', 'D2', 'D3']})
result = pd.merge(left, right, on=['key1', 'key2'])
print(result)

结果：

解释是如何合并的：

第一行（‘K0’, ‘K0’, ‘A0’, ‘B0’, ‘C0’, ‘D0’）：
- left中的第一行（‘K0’, ‘K0’, ‘A0’, ‘B0’）与right中的第一行（‘K0’, ‘K0’, ‘C0’, ‘D0’）在key1和key2上都有匹配，所以它们被合并在一起。
第二行和第三行（‘K1’, ‘K0’, ‘A2’, ‘B2’, ‘C1’, ‘D1’ 和 ‘K1’, ‘K0’, ‘A2’, ‘B2’, ‘C2’, ‘D2’）：
- left中的第三行（‘K1’, ‘K0’, ‘A2’, ‘B2’）与right中的第二行和第三行（‘K1’, ‘K0’, ‘C1’, ‘D1’ 和 ‘K1’, ‘K0’, ‘C2’, ‘D2’）在key1和key2上都有匹配，所以它们被合并在一起。由于right中有两行与left的第三行匹配，所以结果中有两行合并后的数据。
left中的第四行（‘K2’, ‘K1’, ‘A3’, ‘B3’）和right中的第四行（‘K2’, ‘K0’, ‘C3’, ‘D3’）：
- 这两行在key1上匹配，但在key2上不匹配（left是’K1’，right是’K0’）。由于内连接只保留完全匹配的行，所以这行不会被包括在结果中。

到此这篇关于Pandas中数据合并的实现的文章就介绍到这了,更多相关Pandas 数据合并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:

基于Python制作炸金花游戏的过程详解
《诈金花》又叫三张牌，是在全国广泛流传的一种民间多人纸牌游戏。比如JJ比赛中的诈金花(赢三张)，具有独特的比牌规则。本文江将通过Python语言实现这一游戏，需要的可以参考一下
2022-02-02
Python超简单分析评论提取关键词制作精美词云流程
这篇文章主要介绍了使用Python来分析评论并且提取其中的关键词，用于制作精美词云的方法，感兴趣的朋友来看看吧
2022-03-03
Python回溯法(Backtracking)的具体使用
在Python中,我们可以应用回溯法解决各种问题,如八皇后问题、子集问题等,本文就来介绍一下Python回溯法(Backtracking)的具体使用,感兴趣的可以了解一下
2023-12-12
Python中的os.path路径模块中的操作方法总结
os.path模块主要集成了针对路径文件夹的操作功能,这里我们就来看一下Python中的os.path路径模块中的操作方法总结,需要的朋友可以参考下
2016-07-07
使用python求斐波那契数列中第n个数的值示例代码
这篇文章主要给大家介绍了关于使用python求斐波那契数列中第n个数的值的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者使用python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
2020-07-07
python解析含有重复key的json方法
今天小编就为大家分享一篇python解析含有重复key的json方法，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
2019-01-01
使用Python的Dataframe取两列时间值相差一年的所有行方法
今天小编就为大家分享一篇使用Python的Dataframe取两列时间值相差一年的所有行方法，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
2018-07-07
anaconda3:conda not found报错问题解决
这篇文章主要给大家介绍了关于anaconda3:conda not found报错问题解决的相关资料,Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项,需要的朋友可以参考下
2023-10-10
python3连接mysql获取ansible动态inventory脚本
Ansible Inventory 是包含静态 Inventory 和动态 Inventory 两部分的，静态 Inventory 指的是在文件中指定的主机和组，动态 Inventory 指通过外部脚本获取主机列表。这篇文章主要介绍了python3连接mysql获取ansible动态inventory脚本,需要的朋友可以参考下
2020-01-01
Python xlwings插入Excel图片的实现方法
这篇文章主要介绍了Python xlwings插入Excel图片的实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-02-02