【Python数据分析】之数据合并的concat函数与merge函数

文章目录

系列文章

1. Python之Series和DataFrame的数据排序
2. Python数据分析之复习知识点

一、concat函数

1. concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)

2. 参数含义如下：
   参数作用axis表示连接的轴向，可以为0或者1，默认为0join表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接ignore_index接收布尔值，默认为False。如果设置为True，则表示清除现有索引并重置索引值keys接收序列，表示添加最外层索引levels用于构建MultiIndex的特定级别（唯一值）names设置了keys和level参数后，用于创建分层级别的名称verify_integerity检查新的连接轴是否包含重复项。接收布尔值，当设置为True时，如果有重复的轴将会抛出错误，默认为False

3. 根据轴方向的不同，可以将堆叠分成横向堆叠与纵向堆叠，默认采用的是纵向堆叠方式

1. 在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。

1)横向堆叠与外连接

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],'B':['B0','B1','B2']})
df1

df2=pd.DataFrame({'C':['C0','C1','C2'],'D':['D0','D1','D2']})
df2

横向堆叠合并df1和df2,采用外连接的方式

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

2) 纵向堆叠与内链接

import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],'B':['B0','B1','B2'],'C':['C0','C1','C2']})
first

second=pd.DataFrame({'B':['B3','B4','B5'],'C':['C3','C4','C5'],'D':['D3','D4','D5']})
second

1. 当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并

pd.concat([first,second],join='inner',axis=0)

二、merge()函数

1）主键合并数据

1. 在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。

import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],'A':['A0','A1','A2'],'B':['B0','B1','B2']})
left

right=pd.DataFrame({'key':['K0','K1','K2','K3'],'C':['C0','C1','C2','C3'],'D':['D0','D1','D2','D3']})
right

pd.merge(left,right,on='key')

2）merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。

import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],'A':['A0','A1','A2'],'B':['B0','B1','B2']})
data1

data2=pd.DataFrame({'key':['K0','K5','K2','K4'],'B':['B0','B1','B2','B5'],'C':['C0','C1','C2','C3'],'D':['D0','D1','D2','D3']})
data2

pd.merge(data1,data2,on=['key','B'])

1）根据行索引合并数据

1. join()方法能够通过索引或指定列来连接多个DataFrame对象
2. join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）
   参数作用on名称，用于连接列名how可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个，默认使用左连接的方式。sort根据连接键对合并的数据进行排序，默认为False
   ```
   import pandas as pd
   data3=pd.DataFrame({'A':['A0','A1','A2'],'B':['B0','B1','B2']})
   data3

![在这里插入图片描述](https://img-blog.csdnimg.cn/988a9cb97dc043c8a6c378fcd076baca.png)

data4=pd.DataFrame({'C':['C0','C1','C2'],'D':['D0','D1','D2']},
index=['a','b','c'])
data3.join(data4,how='outer')# 外连接

![在这里插入图片描述](https://img-blog.csdnimg.cn/b84b500d02d14def9a1cf8de53e2c955.png)

data3.join(data4,how='left')#左连接

![在这里插入图片描述](https://img-blog.csdnimg.cn/81caf6f85cf84be2b3365cf0b5749ce8.png)

data3.join(data4,how='right')#右连接

![在这里插入图片描述](https://img-blog.csdnimg.cn/ea4f0a2c6ca14b2da6c08a3ddd7917c4.png)

data3.join(data4,how='inner')#内连接

![在这里插入图片描述](https://img-blog.csdnimg.cn/919b287c907642c4b1cc9984eb541e9a.png)

import pandas as pd
left = pd.DataFrame({'A':['A0','A1','A2'],'B':['B0','B1','B2'],'key':['K0','K1','K2']})
left

![在这里插入图片描述](https://img-blog.csdnimg.cn/a6cdf280270a485ea9d50d1cbe0ece4f.png)

right = pd.DataFrame({'C':['C0','C1','C2'],'D':['D0','D1','D2']},
index=['K0','K1','K2'])
right

![s](https://img-blog.csdnimg.cn/1dae0db52c5d4d7a9c0f6f95f884b7df.png)
on参数指定连接的列名

left.join(right,how='left',on='key')#on参数指定连接的列名

![在这里插入图片描述](https://img-blog.csdnimg.cn/afe7d323dd0242c6aaab19e33f928edd.png)

## 2）合并重叠数据

> 当DataFrame对象中出现了缺失数据，而我们希望使用其他DataFrame对象中的数据填充缺失数据，则可以通过combine_first()方法为缺失数据填充。

import pandas as pd
import numpy as np
from numpy import NAN
left = pd.DataFrame({'A':[np.nan,'A1','A2','A3'],'B':[np.nan,'B1', np.nan,'B3'],'key':['K0','K1','K2','K3']})
left

![在这里插入图片描述](https://img-blog.csdnimg.cn/8c07054841454722ad630285b32afcad.png)

right = pd.DataFrame({'A':['C0','C1','C2'],'B':['D0','D1','D2']},
index=[1,0,2])
right

![在这里插入图片描述](https://img-blog.csdnimg.cn/62f92df56ccd406ab69e2fe4d060f3f3.png)
用right的数据填充left缺失的部分

left.combine_first(right)# 用right的数据填充left缺失的部分

```