merge

首先我們來看dataframe當(dāng)中的merge操作，merge操作類似于數(shù)據(jù)庫當(dāng)中兩張表的join，可以通過一個或者多個key將多個dataframe鏈接起來。

我們首先來創(chuàng)建兩個dataframe數(shù)據(jù)：

df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})

df2 = pd.DataFrame({'id': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})

 

我們可以看到這兩個dataframe當(dāng)中都有id這個字段，如果我們想要將它們根據(jù)id關(guān)聯(lián)起來，我們可以用pd.merge函數(shù)完成：

 

這里雖然我們沒有指定根據(jù)哪一列完成關(guān)聯(lián)，但是pandas會自動尋找兩個dataframe的名稱相同列來進行關(guān)聯(lián)。一般情況下我們不這么干，還是推薦大家指定列名。指定列名很簡單，我們只需要傳入on這個參數(shù)即可。

 

如果需要根據(jù)多列關(guān)聯(lián)，我們也可以傳入一個數(shù)組。但假如兩個dataframe當(dāng)中的列名不一致怎么辦，比如這兩個dataframe當(dāng)中的一列叫做id，一列叫做number，該怎么完成join呢？

df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})

df2 = pd.DataFrame({'number': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})

這個時候就需要用left_on指定左表用來join的列名，用right_on指定右表用來join的列名。

 

談到j(luò)oin，不得不提另外一個問題就是join的方式。我們都知道在數(shù)據(jù)庫的表join操作當(dāng)中我們通常的join方式有4種。分別是innner join，left join，right join和outer join。我們觀察一下上面的結(jié)果會發(fā)現(xiàn)關(guān)聯(lián)之后的數(shù)據(jù)條數(shù)變少了，這是因為默認(rèn)的方式是inner join，也就是兩張表當(dāng)中都存在的數(shù)據(jù)才會被保留。如果是left join，那邊左邊當(dāng)中所有的數(shù)據(jù)都會保留，關(guān)聯(lián)不上的列置為None，同理，如果是right join，則右表全部保留，outer join則會全部保留。

join的方式選擇通過how這個參數(shù)控制，比如如果我們想要左表保留，我們傳入how='left'即可。

 

除此之外，merge操作還有一些其他的參數(shù)，由于篇幅限制我們不一一介紹了，大家感興趣可以去查閱相關(guān)文檔。

數(shù)據(jù)合并

另外一個常用的操作叫做數(shù)據(jù)合并，為了和merge操作區(qū)分，我用了中文。雖然同樣是合并，但是它的邏輯和merge是不同的。對于merge來說，我們需要關(guān)聯(lián)的key，是通過數(shù)據(jù)關(guān)聯(lián)上之后再合并的。而合并操作是直接的合并，行對行合并或者是列對列合并，是忽視數(shù)據(jù)的合并。

這個合并操作我們之前在numpy的介紹當(dāng)中曾經(jīng)也提到過，我們這里簡單回顧一下。

首先我們先創(chuàng)建一個numpy的數(shù)組：

import numpy as np
arr = np.random.rand(3, 4)

之后呢，我們可以用concatenate函數(shù)把這個數(shù)組橫著拼或者是豎著拼，默認(rèn)是豎著拼：

 

我們也可以通過axis這個參數(shù)讓它變成橫著拼：

 

對于dataframe同樣也有這樣的操作，不過換了一個名字叫做concat。如果我們不指定的話會豎著拼接：

 

豎著拼接的時候會按照列進行對齊，如果列名對不上就會填充NaN。

通過axis參數(shù)我們可以讓它橫向拼接：