Python中pd.concat与pd.merge怎么使用
导读:本文共2274字符,通常情况下阅读需要8分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 数据拼接:pd.concatconcat 是pandas级的函数,用来拼接或合并数据,其根据不同的轴既可以横向拼接,又可以纵向拼接函数参数pd.concat(objs:'Iterable[NDFrame]|Mapping[Hashable,NDFrame]',axis=0,join='outer',ignore_index... ...
目录
(为您整理了一些要点),点击可以直达。数据拼接:pd.concat
concat 是pandas级的函数,用来拼接或合并数据,其根据不同的轴既可以横向拼接,又可以纵向拼接
函数参数
pd.concat(objs:'Iterable[NDFrame]|Mapping[Hashable,NDFrame]',axis=0,join='outer',ignore_index:'bool'=False,keys=None,levels=None,names=None,verify_integrity:'bool'=False,sort:'bool'=False,copy:'bool'=True,)->'FrameOrSeriesUnion'
objs
:合并的数据集,一般用列表传入,例如:[df1,df2,df3]axis
:指定数据拼接时的轴,0是行,在行方向上拼接;1是列,在列方向上拼接join
:拼接的方式有 inner,或者outer,与sql中的意思一样
以上三个参数在实际工作中经常使用,其他参数不再做介绍
案例:
模拟数据
横向拼接
横向拼接-1
字段相同的列进行堆叠,字段不同的列分列存放,缺失值用NAN
来填充,下面对模拟数据进行变换用相同的字段,进行演示
横向拼接-2
纵向拼接
纵向拼接
可以看出在纵向拼接的时候,会按索引进行关联,使相同名字的成绩放在一起,而不是简单的堆叠
数据关联:pd.merge
数据关联与SQL中的join基本一样,一次可以关联两个数据表,有左表、右表的区分,需要可以指定关联的字段
函数参数
pd.merge(left:'DataFrame|Series',right:'DataFrame|Series',how:'str'='inner',on:'IndexLabel|None'=None,left_on:'IndexLabel|None'=None,right_on:'IndexLabel|None'=None,left_index:'bool'=False,right_index:'bool'=False,sort:'bool'=False,suffixes:'Suffixes'=('_x','_y'),copy:'bool'=True,indicator:'bool'=False,validate:'str|None'=None,)->'DataFrame'
left
:左表right
:右表how
:关联的方式,{‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}, 默认关联方式为 ‘inner’on
:关联时指定的字段,两个表共有的left_on
:关联时用到左表中的字段,在两个表不共有关联字段时使用right_on
:关联时用到右表中的字段,在两个表不共有关联字段时使用
以上参数在实际工作中经常使用,其他参数不再做介绍
案例:
数据关联
merge 的使用与SQL中的 join 很像,使用方式基本一致,既有内连接,也有外连接,用起来基本没有什么难度
两者区别
concat 只是 pandas 下的方法,而 merge 即是 pandas 下的方法,又是DataFrame 下的方法
concat 可以横向、纵向拼接,又起到关联的作用
merge 只能进行关联,也就是纵向拼接
concat 可以同时处理多个数据框DataFrame,而 merge 只能同时处理 2 个数据框
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
Python中pd.concat与pd.merge怎么使用的详细内容,希望对您有所帮助,信息来源于网络。