這篇“python數(shù)據(jù)表合并的方法有哪些”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來(lái)看看這篇“python數(shù)據(jù)表合并的方法有哪些”文章吧。
阜新ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場(chǎng)景，ssl證書未來(lái)市場(chǎng)廣闊！成為成都創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場(chǎng)價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：028-86922220（備注：SSL證書合作）期待與您的合作！
pandas提供了一個(gè)類似于關(guān)系數(shù)據(jù)庫(kù)的連接(join)操作的方法merage,可以根據(jù)一個(gè)或多個(gè)鍵將不同DataFrame中的行連接起來(lái)，語(yǔ)法如下：
重慶分公司
重慶分公司
merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False)作為一個(gè)功能完善、強(qiáng)大的語(yǔ)言，python的pandas庫(kù)中的merge()支持各種內(nèi)外連接。
left與right：兩個(gè)不同的DataFrame
how：指的是合并(連接)的方式有inner(內(nèi)連接),left(左外連接),right(右外連接),outer(全外連接);默認(rèn)為inner
on : 指的是用于連接的列索引名稱。必須存在右右兩個(gè)DataFrame對(duì)象中，如果沒(méi)有指定且其他參數(shù)也未指定則以兩個(gè)DataFrame的列名交集做為連接鍵
left_on：左則DataFrame中用作連接鍵的列名;這個(gè)參數(shù)中左右列名不相同，但代表的含義相同時(shí)非常有用。
right_on：右則DataFrame中用作 連接鍵的列名
left_index：使用左則DataFrame中的行索引做為連接鍵
right_index：使用右則DataFrame中的行索引做為連接鍵
sort：默認(rèn)為True，將合并的數(shù)據(jù)進(jìn)行排序。在大多數(shù)情況下設(shè)置為False可以提高性能
suffixes：字符串值組成的元組，用于指定當(dāng)左右DataFrame存在相同列名時(shí)在列名后面附加的后綴名稱，默認(rèn)為('_x','_y')
copy：默認(rèn)為True,總是將數(shù)據(jù)復(fù)制到數(shù)據(jù)結(jié)構(gòu)中；大多數(shù)情況下設(shè)置為False可以提高性能
indicator：在 0.17.0中還增加了一個(gè)顯示合并數(shù)據(jù)中來(lái)源情況；如只來(lái)自己于左邊(left_only)、兩者(both)
sql中的
SELECT * FROM df1 INNER JOIN df2 ON df1.key = df2.key; 或 SELECT * FROM df1,df2 where df1.key=df2.key
pandas中用：
pd.merge(df1, df2, on='key')
然后就是各種外連接了：
pd.merge(df1, df2, on='key', how='left')
how變成left/right。全鏈接outer。
#coding=utf-8
from pandas import Series,DataFrame,merge
import numpy as np
data=DataFrame([{"id":0,"name":'lxh',"age":20,"cp":'lm'},{"id":1,"name":'xiao',"age":40,"cp":'ly'},{"id":2,"name":'hua',"age":4,"cp":'yry'},{"id":3,"name":'be',"age":70,"cp":'old'}])
data1=DataFrame([{"id":100,"name":'lxh','cs':10},{"id":101,"name":'xiao','cs':40},{"id":102,"name":'hua2','cs':50}])
data2=DataFrame([{"id":0,"name":'lxh','cs':10},{"id":101,"name":'xiao','cs':40},{"id":102,"name":'hua2','cs':50}])
print "單個(gè)列名做為內(nèi)鏈接的連接鍵\r\n",merge(data,data1,on="name",suffixes=('_a','_b'))
print "多列名做為內(nèi)鏈接的連接鍵\r\n",merge(data,data2,on=("name","id"))
print '不指定on則以兩個(gè)DataFrame的列名交集做為連接鍵\r\n',merge(data,data2) #這里使用了id與name
#使用右邊的DataFrame的行索引做為連接鍵
##設(shè)置行索引名稱
indexed_data1=data1.set_index("name")
print "使用右邊的DataFrame的行索引做為連接鍵\r\n",merge(data,indexed_data1,left_on='name',right_index=True)
print '左外連接\r\n',merge(data,data1,on="name",how="left",suffixes=('_a','_b'))
print '左外連接1\r\n',merge(data1,data,on="name",how="left")
print '右外連接\r\n',merge(data,data1,on="name",how="right")
data3=DataFrame([{"mid":0,"mname":'lxh','cs':10},{"mid":101,"mname":'xiao','cs':40},{"mid":102,"mname":'hua2','cs':50}])
#當(dāng)左右兩個(gè)DataFrame的列名不同，當(dāng)又想做為連接鍵時(shí)可以使用left_on與right_on來(lái)指定連接鍵
print "使用left_on與right_on來(lái)指定列名字不同的連接鍵\r\n",merge(data,data3,left_on=["name","id"],right_on=["mname","mid"])
輸出為：
單個(gè)列名做為內(nèi)鏈接的連接鍵 age cp id_a name cs id_b 0 20 lm 0 lxh 10 100 1 40 ly 1 xiao 40 101 多列名做為內(nèi)鏈接的連接鍵 age cp id name cs 0 20 lm 0 lxh 10 不指定on則以兩個(gè)DataFrame的列名交集做為連接鍵 age cp id name cs 0 20 lm 0 lxh 10 使用右邊的DataFrame的行索引做為連接鍵 age cp id_x name cs id_y 0 20 lm 0 lxh 10 100 1 40 ly 1 xiao 40 101 左外連接 age cp id_a name cs id_b 0 20 lm 0 lxh 10 100 1 40 ly 1 xiao 40 101 2 4 yry 2 hua NaN NaN 3 70 old 3 be NaN NaN 左外連接1 cs id_x name age cp id_y 0 10 100 lxh 20 lm 0 1 40 101 xiao 40 ly 1 2 50 102 hua2 NaN NaN NaN 右外連接 age cp id_x name cs id_y 0 20 lm 0 lxh 10 100 1 40 ly 1 xiao 40 101 2 NaN NaN NaN hua2 50 102 使用left_on與right_on來(lái)指定列名字不同的連接鍵 age cp id name cs mid mname 0 20 lm 0 lxh 10 0 lxh
join方法提供了一個(gè)簡(jiǎn)便的方法用于將兩個(gè)DataFrame中的不同的列索引合并成為一個(gè)DataFrame。
其中參數(shù)的意義與merge方法基本相同,只是join方法默認(rèn)為左外連接how=left。
示例：
#coding=utf-8
from pandas import Series,DataFrame,merge
data=DataFrame([{"id":0,"name":'lxh',"age":20,"cp":'lm'},{"id":1,"name":'xiao',"age":40,"cp":'ly'},{"id":2,"name":'hua',"age":4,"cp":'yry'},{"id":3,"name":'be',"age":70,"cp":'old'}],index=['a','b','c','d'])
data1=DataFrame([{"sex":0},{"sex":1},{"sex":2}],index=['a','b','e'])
print '使用默認(rèn)的左連接\r\n',data.join(data1) #這里可以看出自動(dòng)屏蔽了data中沒(méi)有的index=e 那一行的數(shù)據(jù)
print '使用右連接\r\n',data.join(data1,how="right") #這里出自動(dòng)屏蔽了data1中沒(méi)有index=c,d的那行數(shù)據(jù)；等價(jià)于data1.join(data)
print '使用內(nèi)連接\r\n',data.join(data1,how='inner')
print '使用全外連接\r\n',data.join(data1,how='outer')結(jié)果為：
使用默認(rèn)的左連接 age cp id name sex a 20 lm 0 lxh 0 b 40 ly 1 xiao 1 c 4 yry 2 hua NaN d 70 old 3 be NaN 使用右連接 age cp id name sex a 20 lm 0 lxh 0 b 40 ly 1 xiao 1 e NaN NaN NaN NaN 2 使用內(nèi)連接 age cp id name sex a 20 lm 0 lxh 0 b 40 ly 1 xiao 1 使用全外連接 age cp id name sex a 20 lm 0 lxh 0 b 40 ly 1 xiao 1 c 4 yry 2 hua NaN d 70 old 3 be NaN e NaN NaN NaN NaN 2
還有一種連接方式：concat
concat方法相當(dāng)于數(shù)據(jù)庫(kù)中的全連接(UNION ALL),可以指定按某個(gè)軸進(jìn)行連接,也可以指定連接的方式j(luò)oin(outer,inner 只有這兩種)。
與數(shù)據(jù)庫(kù)不同的是concat不會(huì)去重，要達(dá)到去重的效果可以使用drop_duplicates方法
concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True):
示例：
#coding=utf-8
from pandas import Series,DataFrame,concat
df1 = DataFrame({'city': ['Chicago', 'San Francisco', 'New York City'], 'rank': range(1, 4)})
df2 = DataFrame({'city': ['Chicago', 'Boston', 'Los Angeles'], 'rank': [1, 4, 5]})
print '按軸進(jìn)行內(nèi)連接\r\n',concat([df1,df2],join="inner",axis=1)
print '進(jìn)行外連接并指定keys(行索引)\r\n',concat([df1,df2],keys=['a','b']) #這里有重復(fù)的數(shù)據(jù)
print '去重后\r\n',concat([df1,df2],ignore_index=True).drop_duplicates()輸出結(jié)果為：
按軸進(jìn)行內(nèi)連接 city rank city rank 0 Chicago 1 Chicago 1 1 San Francisco 2 Boston 4 2 New York City 3 Los Angeles 5 進(jìn)行外連接并指定keys(行索引) city rank a 0 Chicago 1 1 San Francisco 2 2 New York City 3 b 0 Chicago 1 1 Boston 4 2 Los Angeles 5 去重后 city rank 0 Chicago 1 1 San Francisco 2 2 New York City 3 4 Boston 4 5 Los Angeles 5
以上就是關(guān)于“python數(shù)據(jù)表合并的方法有哪些”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
