• 学习笔记9—python数据表的合并(join(), merge()和concat())

    merage#

    pandas提供了一个类似于关系数据库的连接(join)操作的方法<Strong>merage</Strong>,可以根据一个或多个键将不同DataFrame中的行连接起来，语法如下：

    1
    2
    3
    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)

    作为一个功能完善、强大的语言，python的pandas库中的merge()支持各种内外连接。

    • left与right：两个不同的DataFrame
    • how：指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
    • on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中，如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
    • left_on：左则DataFrame中用作连接键的列名;这个参数中左右列名不相同，但代表的含义相同时非常有用。
    • right_on：右则DataFrame中用作 连接键的列名
    • left_index：使用左则DataFrame中的行索引做为连接键
    • right_index：使用右则DataFrame中的行索引做为连接键
    • sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
    • suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x','_y')
    • copy：默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能
    • indicator：在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)
    sql中的
    1
    2
    3
    4
    5
    6
    7
    SELECT *
    FROM df1
    INNER JOIN df2
      ON df1.key = df2.key;
    或
    SELECT *
    FROM df1,df2 where df1.key=df2.key

    pandas中用：

    1
    pd.merge(df1, df2, on='key')

    然后就是各种外连接了：

    1
    pd.merge(df1, df2, on='key', how='left')

    how变成left/right。全链接outer。

    示例##

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    #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 "单个列名做为内链接的连接键 ",merge(data,data1,on="name",suffixes=('_a','_b'))
    print "多列名做为内链接的连接键 ",merge(data,data2,on=("name","id"))
    print '不指定on则以两个DataFrame的列名交集做为连接键 ',merge(data,data2) #这里使用了id与name
     
    #使用右边的DataFrame的行索引做为连接键
    ##设置行索引名称
    indexed_data1=data1.set_index("name")
    print "使用右边的DataFrame的行索引做为连接键 ",merge(data,indexed_data1,left_on='name',right_index=True)
     
     
    print '左外连接 ',merge(data,data1,on="name",how="left",suffixes=('_a','_b'))
    print '左外连接1 ',merge(data1,data,on="name",how="left")
    print '右外连接 ',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}])
     
    #当左右两个DataFrame的列名不同，当又想做为连接键时可以使用left_on与right_on来指定连接键
    print "使用left_on与right_on来指定列名字不同的连接键 ",merge(data,data3,left_on=["name","id"],right_on=["mname","mid"])


    输出为：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    单个列名做为内链接的连接键
       age  cp  id_a  name  cs  id_b
    0   20  lm     0   lxh  10   100
    1   40  ly     1  xiao  40   101
    多列名做为内链接的连接键
       age  cp  id name  cs
    0   20  lm   0  lxh  10
    不指定on则以两个DataFrame的列名交集做为连接键
       age  cp  id name  cs
    0   20  lm   0  lxh  10
    使用右边的DataFrame的行索引做为连接键
       age  cp  id_x  name  cs  id_y
    0   20  lm     0   lxh  10   100
    1   40  ly     1  xiao  40   101
    左外连接
       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
    左外连接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
    右外连接
       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与right_on来指定列名字不同的连接键
       age  cp  id name  cs  mid mname
    0   20  lm   0  lxh  10    0   lxh

    join方法提供了一个简便的方法用于将两个DataFrame中的不同的列索引合并成为一个DataFrame。

    其中参数的意义与merge方法基本相同,只是join方法默认为左外连接how=left。

    示例：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    #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 '使用默认的左连接 ',data.join(data1)  #这里可以看出自动屏蔽了data中没有的index=e 那一行的数据
    print '使用右连接 ',data.join(data1,how="right") #这里出自动屏蔽了data1中没有index=c,d的那行数据；等价于data1.join(data)
    print '使用内连接 ',data.join(data1,how='inner')
    print '使用全外连接 ',data.join(data1,how='outer')

    结果为：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    使用默认的左连接
       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
    使用右连接
       age   cp  id  name  sex
    a   20   lm   0   lxh    0
    b   40   ly   1  xiao    1
    e  NaN  NaN NaN   NaN    2
    使用内连接
       age  cp  id  name  sex
    a   20  lm   0   lxh    0
    b   40  ly   1  xiao    1
    使用全外连接
       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

    还有一种连接方式：concat

    concat方法相当于数据库中的全连接(UNION ALL),可以指定按某个轴进行连接,也可以指定连接的方式join(outer,inner 只有这两种)。

    与数据库不同的是concat不会去重，要达到去重的效果可以使用drop_duplicates方法

    1
    2
    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：

    1
    2
    3
    4
    5
    6
    7
    8
    #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 '按轴进行内连接 ',concat([df1,df2],join="inner",axis=1)
    print '进行外连接并指定keys(行索引) ',concat([df1,df2],keys=['a','b']) #这里有重复的数据
    print '去重后 ',concat([df1,df2],ignore_index=True).drop_duplicates()

     输出结果为：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    按轴进行内连接
                city  rank         city  rank
    0        Chicago     1      Chicago     1
    1  San Francisco     2       Boston     4
    2  New York City     3  Los Angeles     5
    进行外连接并指定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
  • 相关阅读:
    Jmeter接口测试与数据驱动
    Jmeter内存溢出
    Mac下多版本pip共存
    Linux命令: ps
    intellij ultimate2019.3 注册
    纪念已经逝去的十年
    H3C路由器设置NAT回环、端口回流
    理清PHP在Linxu下执行时的文件权限
    windows下vagrant的安装使用
    无限极分类（adjacency list）的三种方式（迭代、递归、引用）
  • 原文地址：https://www.cnblogs.com/hechangchun/p/9580438.html
Copyright © 2020-2023  润新知