DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]python 把几个DataFrame合并成一个DataFrame——merge,append,join,concat 1、merge pd.merge(left,right,how='inner',on=None,left_on=None,right_on=None,left_index=False,right_index=False,sort=T...

python  把几个DataFrame合并成一个DataFrame——merge,append,join,concat

  • 1、merge

pd.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)
只听到从架构师办公室传来架构君的声音:
一场寂寞凭谁诉。有谁来对上联或下联?

left︰ 对象

right︰ 另一个对象

on︰ 要加入的列 (名称)。必须在左、 右综合对象中找到。如果不能通过 left_index 和 right_index 是假,将推断 DataFrames 中的列的交叉点为连接键

left_on︰ 从左边的综合使用作为键列。可以是列名或数组的长度等于长度综合

right_on︰ 从正确的综合,以用作键列。可以是列名或数组的长度等于长度综合

left_index︰ 如果为 True,则使用索引 (行标签) 从左综合作为其联接键。在与多重 (层次) 的综合,级别数必须匹配联接键从右综合的数目

right_index︰ 相同用法作为正确综合 left_index

how︰ 之一 '左','右','外在'、 '内部'。默认为内部。每个方法的更详细说明请参阅︰

sort︰ 综合通过联接键按字典顺序对结果进行排序。默认值为 True,设置为 False将提高性能极大地在许多情况下

suffixes︰ 字符串后缀并不适用于重叠列的元组。默认值为 ('_x','_y')。

copy︰ 即使重新索引是不必要总是从传递的综合对象,复制的数据 (默认值True)。在许多情况下不能避免,但可能会提高性能 / 内存使用情况。可以避免复制上述案件有些病理但尽管如此提供此选项。

indicator︰ 将列添加到输出综合呼吁 _merge 与信息源的每一行。_merge 是绝对类型,并对观测其合并键只出现在 '左' 的综合,观测其合并键只会出现在 '正确' 的综合,和两个如果观察合并关键发现在两个 right_only left_only 的值。

 

此代码由Java架构师必看网-架构君整理
1.result = pd.merge(left, right, on='key')

 

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

2.result = pd.merge(left, right, on=['key1', 'key2'])

3.result = pd.merge(left, right, how='left', on=['key1', 'key2'])

4.result = pd.merge(left, right, how='right', on=['key1', 'key2'])

5.result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

 

  • 2、append

此代码由Java架构师必看网-架构君整理
1.result = df1.append(df2)

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

2.result = df1.append(df4)

3.result = df1.append([df2, df3])

4.result = df1.append(df4, ignore_index=True)

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

 

  • 3、join

left.join(right, on=key_or_keys)
pd.merge(left, right, left_on=key_or_keys, right_index=True,
      how='left', sort=False)
1.result = left.join(right, on='key')

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

2.result = left.join(right, on=['key1', 'key2'])

3.result = left.join(right, on=['key1', 'key2'], how='inner')

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

  • 4、concat

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

objs︰ 一个序列或系列、 综合或面板对象的映射。如果字典中传递,将作为键参数,使用排序的键,除非它传递,在这种情况下的值将会选择 (见下文)。任何没有任何反对将默默地被丢弃,除非他们都没有在这种情况下将引发 ValueError。

axis: {0,1,...},默认值为 0。要连接沿轴。

join: {'内部'、 '外'},默认 '外'。如何处理其他 axis(es) 上的索引。联盟内、 外的交叉口。

ignore_index︰ 布尔值、 默认 False。如果为 True,则不要串联轴上使用的索引值。由此产生的轴将标记 0,...,n-1。这是有用的如果你串联串联轴没有有意义的索引信息的对象。请注意在联接中仍然受到尊重的其他轴上的索引值。

join_axes︰ 索引对象的列表。具体的指标,用于其他 n-1 轴而不是执行内部/外部设置逻辑。

keys︰ 序列,默认为无。构建分层索引使用通过的键作为最外面的级别。如果多个级别获得通过,应包含元组。

levels︰ 列表的序列,默认为无。具体水平 (唯一值) 用于构建多重。否则,他们将推断钥匙。

names︰ 列表中,默认为无。由此产生的分层索引中的级的名称。

verify_integrity︰ 布尔值、 默认 False。检查是否新的串联的轴包含重复项。这可以是相对于实际数据串联非常昂贵。

副本︰ 布尔值、 默认 True。如果为 False,请不要,不必要地复制数据。

 

1.frames = [df1, df2, df3]

2.result = pd.concat(frames)

DataFrame合并超全命名-merge,append,join,concat[通俗易懂]

 

 

3.result = pd.concat(frames, keys=['x', 'y', 'z'])

4.result.ix['y']
    A   B   C   D
4  A4  B4  C4  D4
5  A5  B5  C5  D5
6  A6  B6  C6  D6
7  A7  B7  C7  D7
5.result = pd.concat([df1, df4], axis=1)

6.result = pd.concat([df1, df4], axis=1, join='inner')

7.result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

8.result = pd.concat([df1, df4], ignore_index=True)

 

链接:http://pandas.pydata.org/pandas-docs/stable/merging.html

本文来源碧空之戈,由架构君转载发布,观点不代表Java架构师必看的立场,转载请标明来源出处:https://javajgs.com/archives/165813
0
 

发表评论