作者：来源于读者投稿

出品：Python数据之道

一文搞定pandas的数据合并

在实际处理数据业务需求中，我们经常会遇到这样的需求：将多个表连接起来再进行数据的处理和分析，类似SQL中的连接查询功能。

pandas中也提供了几种方法来实现这个功能，表现最突出、使用最为广泛的方法是merge。本文中将下面????四种方法及参数通过实际案例来进行具体讲解。

• merge

• append

• join

• concat

为方便大家练习，文末提供了本文源代码的获取方式。

文章目录

导入库

做数据分析的时候这两个库是必须导入的，国际惯例一般。

import pandas as pd
import numpy as np

—  01 —

merge

官方参数

官方提供的 merge函数的参数如下：

下面将通过案例讲解几个重要参数的使用方法：

DataFrame.merge(left, right, how='inner',   # {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘inner’on=None, left_on=None, right_on=None, sort=False, suffixes=('_x', '_y'))

模拟数据

注意4组数据的不同

使用默认参数

两种不同的写法，效果相同

参数how

how参数的取值有4种：

• inner(默认)

• outer

• right

• left

参数on

用于连接的列索引列名，必须同时存在于左右的两个dataframe型数据中，类似SQL中两个表的相同字段属性

如果没有指定或者其他参数也没有指定，则以两个dataframe型数据的相同键作为连接键

on参数为单个字段

另一个例子：

on参数为多个字段-列表形式

参数lefton/righton

参数suffixes

合并的时候一列两个表同名，但是取值不同，如果都想要保存下来，就使用加后缀的方法，默认是 _x,_y，可以自己指定

参数sort

对连接的时候相同键的取值进行排序

—  02 —

concat

官方参数

concat方法是将两个 DataFrame数据框中的数据进行合并

• 通过axis参数指定是在行还是列方向上合并

• 参数 ignore_index实现合并后的索引重排

生成数据

指定合并轴

改变索引

join参数

sort-属性排序

—  03 —

append

官方参数

基本使用

data3.append(data4)   # 等同于pd.append([data3, data4])  忽略pandas版本的警告

改变索引-自然数排序

data3.append(data4, ignore_index=True)  # 设置参数

sort=True-属性的排序

data3.append(data4)   # 默认对字段属性排序

—  04 —

join

官方参数

通过相同索引合并

相同字段属性指后缀

相同字段变成索引index

相同字段保留一次

---------End---------

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群704220115。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！