python数据分析——pandas的拼接操作

摘要:
panda的拼接操作分为两种类型:级联:pd.concat,pd.append合并:pd.merge,pd.join1。使用pd.contat()级联熊猫。使用pd.concat函数,该函数与np.concatenate函数类似,但具有一些附加参数:objsaxis=0keysjiin='outer'/'inner':它表示级联模式,外部将级联所有项(忽略匹配和不匹配
pandas的拼接操作

pandas的拼接分为两种:

  • 级联:pd.concat, pd.append
  • 合并:pd.merge, pd.join

1. 使用pd.concat()级联

pandas使用pd.concat函数,与np.concatenate函数类似,只是多了一些参数:

objs
axis=0
keys
join='outer' / 'inner':表示的是级联的方式,outer会将所有的项进行级联(忽略匹配和不匹配),而inner只会将匹配的项级联到一起,不匹配的不级联
ignore_index=False

1)匹配级联

In [1]:
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
In [2]:
df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','b','c'],columns=['A','B','C'])
df2 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','d','c'],columns=['A','d','C'])
In [7]:
pd.concat((df1,df1),axis=0,join='inner')
Out[7]:
 ABC
a594089
b71576
c293487
a594089
b71576
c293487

2) 不匹配级联

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致,横向级联时行索引不一致

有2种连接方式:

  • 外连接:补NaN(默认模式)
  • 内连接:只连接匹配的项
In [11]:
pd.concat((df1,df2),axis=1,join='outer')
Out[11]:
 ABCAdC
a59.040.089.050.026.045.0
b71.05.076.0NaNNaNNaN
c29.034.087.031.082.035.0
dNaNNaNNaN23.095.094.0

3) 使用df.append()函数添加

由于在后面级联的使用非常普遍,因此有一个函数append专门用于在后面添加

2. 使用pd.merge()合并

merge与concat的区别在于,merge需要依据某一共同的列来进行合并

使用pd.merge()合并时,会自动根据两者相同column名称的那一列,作为key来进行合并。

注意每一列元素的顺序不要求一致

参数:

  • how:out取并集 inner取交集
  • on:当有多列相同的时候,可以使用on来指定使用那一列进行合并,on的值为一个列表

1) 一对一合并

In [12]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                'group':['Accounting','Engineering','Engineering'],
                })
df1
Out[12]:
 employeegroup
0BobAccounting
1JakeEngineering
2LisaEngineering
In [13]:
df2 = DataFrame({'employee':['Lisa','Bob','Jake'],
                'hire_date':[2004,2008,2012],
                })
df2
Out[13]:
 employeehire_date
0Lisa2004
1Bob2008
2Jake2012
In [14]:
pd.merge(df1,df2,how='outer')
Out[14]:
 employeegrouphire_date
0BobAccounting2008
1JakeEngineering2012
2LisaEngineering2004

2) 多对一合并

In [15]:
df3 = DataFrame({
    'employee':['Lisa','Jake'],
    'group':['Accounting','Engineering'],
    'hire_date':[2004,2016]})
df3
Out[15]:
 employeegrouphire_date
0LisaAccounting2004
1JakeEngineering2016
In [16]:
df4 = DataFrame({'group':['Accounting','Engineering','Engineering'],
                       'supervisor':['Carly','Guido','Steve']
                })
df4
Out[16]:
 groupsupervisor
0AccountingCarly
1EngineeringGuido
2EngineeringSteve
In [17]:
pd.merge(df3,df4)
Out[17]:
 employeegrouphire_datesupervisor
0LisaAccounting2004Carly
1JakeEngineering2016Guido
2JakeEngineering2016Steve

3) 多对多合并

In [18]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                 'group':['Accounting','Engineering','Engineering']})
df1
Out[18]:
 employeegroup
0BobAccounting
1JakeEngineering
2LisaEngineering
In [19]:
df5 = DataFrame({'group':['Engineering','Engineering','HR'],
                'supervisor':['Carly','Guido','Steve']
                })
df5
Out[19]:
 groupsupervisor
0EngineeringCarly
1EngineeringGuido
2HRSteve
In [21]:
pd.merge(df1,df5,how='outer')
Out[21]:
 employeegroupsupervisor
0BobAccountingNaN
1JakeEngineeringCarly
2JakeEngineeringGuido
3LisaEngineeringCarly
4LisaEngineeringGuido
5NaNHRSteve
  • 加载excl数据:pd.read_excel('excl_path',sheetname=1)

4) key的规范化

  • 当列冲突时,即有多个列名称相同时,需要使用on=来指定哪一个列作为key,配合suffixes指定冲突列名
In [10]:
df1 = DataFrame({'employee':['Jack',"Summer","Steve"],
                 'group':['Accounting','Finance','Marketing']})
In [11]:
df2 = DataFrame({'employee':['Jack','Bob',"Jake"],
                 'hire_date':[2003,2009,2012],
                'group':['Accounting','sell','ceo']})
In [22]:
display(df1,df2)
 
 employeegroup
0BobAccounting
1JakeEngineering
2LisaEngineering
 
 employeehire_date
0Lisa2004
1Bob2008
2Jake2012
  • 当两张表没有可进行连接的列时,可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
In [12]:
df1 = DataFrame({'employee':['Bobs','Linda','Bill'],
                'group':['Accounting','Product','Marketing'],
               'hire_date':[1998,2017,2018]})
In [13]:
df5 = DataFrame({'name':['Lisa','Bobs','Bill'],
                'hire_dates':[1998,2016,2007]})
In [23]:
display(df1,df5)
 
 employeegroup
0BobAccounting
1JakeEngineering
2LisaEngineering
 
 groupsupervisor
0EngineeringCarly
1EngineeringGuido
2HRSteve

5) 内合并与外合并:out取并集 inner取交集

  • 内合并:只保留两者都有的key(默认模式)
In [25]:
df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})
In [26]:
display(df6,df7)
 
 namefood
0Peterfish
1Paulbeans
2Marybread
 
 namedrink
0Marywine
1Josephbeer
  • 外合并 how='outer':补NaN
In [27]:
df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})
display(df6,df7)
pd.merge()
 
 namefood
0Peterfish
1Paulbeans
2Marybread
 
 namedrink
0Marywine
1Josephbeer

免责声明:文章转载自《python数据分析——pandas的拼接操作》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇Python网络爬虫与信息提取ES入门 (6) 语法(4)DQL(1)查看文档/查询所有文档/匹配查询/字段匹配查询下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

《深度剖析CPython解释器》20. Python类机制的深度解析(第四部分): 实例对象的创建、以及属性访问

楔子 介绍完类对象之后,我们来介绍实例对象。我们之前费了老鼻子劲将类对象剖析了一遍,但这仅仅是万里长征的第一步。因为Python虚拟机执行时,在内存中兴风作浪的是一个个的实例对象,而类对象只是幕后英雄。 通过class类对象创建实例对象 我们还以之前的代码为例: class Girl: name = "夏色祭" def __init__(...

运维自动化发布系统

运维自动化发布系统 大家好哈,最近在学习用 python 做一个server发布系统。游戏的版本发布是运维日常工作中的主要部门,而且这工作频繁、重复、重复的进行着,运维必须采用一些自动化运维手段来处理版本更新发布;实现自动化运维很有必要的手段,下面根据公司业务需求,自定义开发了一款运维自动化发布系统 一、背景: 公司游戏业务应用需要频繁更新到线上服务器,...

VBScript入门篇

                           VBScript入门篇                                                       作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任。 一.定义一个过程 1 定义一个过程:可以将相同的操作的代码提取出来,方便其他人来调...

浅谈自动特征构造工具Featuretools

简介 特征工程在机器学习中具有重要意义,但是通过手动创造特征是一个缓慢且艰巨的过程。Python的特征工程库featuretools可以帮助我们简化这一过程。Featuretools是执行自动化特征工程的框架,有两类特征构造的操作:聚合(aggregation)和 转换(transform)。 官方文档:https://docs.featuretools....

python django 连接 sql-server

1.准备工作 python3.6连接sqlserver数据库需要引入pymssql模块 pymssql官方:https://pypi.org/project/pymssql/ 没有安装的话需要: pip安装: pip install pymssql   2.连接数据库 首先你得明确目标数据库的:'服务器名称',"账户名称","密码","数据库名称"...

Selenium+Python:下载文件(Firefox 和 Chrome)

引自  https://blog.csdn.net/Momorrine/article/details/79794146 1.      环境 操作系统 Win10 IDE Eclipse (Oxygen 4.7)+ PyDev 5.9.2 (JDK1.8) Python 3.5 Selenium selenium-3.9.0-py2.py...