這篇“Python的concat與merge函數(shù)怎么使用”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，下面我們一起來看看這篇“Python的concat與merge函數(shù)怎么使用”文章吧。

“專業(yè)、務(wù)實(shí)、高效、創(chuàng)新、把客戶的事當(dāng)成自己的事”是我們每一個(gè)人一直以來堅(jiān)持追求的企業(yè)文化。 創(chuàng)新互聯(lián)是您可以信賴的網(wǎng)站建設(shè)服務(wù)商、專業(yè)的互聯(lián)網(wǎng)服務(wù)提供商! 專注于成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、軟件開發(fā)、設(shè)計(jì)服務(wù)業(yè)務(wù)。我們始終堅(jiān)持以客戶需求為導(dǎo)向，結(jié)合用戶體驗(yàn)與視覺傳達(dá)，提供有針對(duì)性的項(xiàng)目解決方案，提供專業(yè)性的建議，創(chuàng)新互聯(lián)建站將不斷地超越自我，追逐市場(chǎng)，引領(lǐng)市場(chǎng)！

一、concat函數(shù)

1. concat()函數(shù)可以沿著一條軸將多個(gè)對(duì)象進(jìn)行堆疊，其使用方式類似數(shù)據(jù)庫中的數(shù)據(jù)表合并
   pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)

2. 參數(shù)含義如下：

參數(shù)	作用
axis	表示連接的軸向，可以為0或者1，默認(rèn)為0
join	表示連接的方式，inner表示內(nèi)連接，outer表示外連接，默認(rèn)使用外連接
ignore_index	接收布爾值，默認(rèn)為False。如果設(shè)置為True，則表示清除現(xiàn)有索引并重置索引值
keys	接收序列，表示添加最外層索引
levels	用于構(gòu)建MultiIndex的特定級(jí)別（唯一值）
names	設(shè)置了keys和level參數(shù)后，用于創(chuàng)建分層級(jí)別的名稱
verify_integerity	檢查新的連接軸是否包含重復(fù)項(xiàng)。接收布爾值，當(dāng)設(shè)置為True時(shí)，如果有重復(fù)的軸將會(huì)拋出錯(cuò)誤，默認(rèn)為False

3. 根據(jù)軸方向的不同，可以將堆疊分成橫向堆疊與縱向堆疊，默認(rèn)采用的是縱向堆疊方式

4. 在堆疊數(shù)據(jù)時(shí)，默認(rèn)采用的是外連接（join參數(shù)設(shè)為outer）的方式進(jìn)行合并，當(dāng)然也可以通過join=inner設(shè)置為內(nèi)連接的方式。

1)橫向堆疊與外連接

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})df1

df2=pd.DataFrame({'C':['C0','C1','C2'],
                  'D':['D0','D1','D2']})df2

橫向堆疊合并df1和df2,采用外連接的方式

pd.concat([df1,df2],join='outer',axis=1)

2) 縱向堆疊與內(nèi)鏈接

import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2'],
                   'C':['C0','C1','C2']})first

second=pd.DataFrame({'B':['B3','B4','B5'],
                   'C':['C3','C4','C5'],
                    'D':['D3','D4','D5']})second

3. 當(dāng)使用concat()函數(shù)合并時(shí)，若是將axis參數(shù)的值設(shè)為0，且join參數(shù)的值設(shè)為inner,則代表著使用縱向堆疊與內(nèi)連接的方式進(jìn)行合并

pd.concat([first,second],join='inner',axis=0)

二、merge()函數(shù)

1）主鍵合并數(shù)據(jù)

1. 在使用merge()函數(shù)進(jìn)行合并時(shí)，默認(rèn)會(huì)使用重疊的列索引做為合并鍵，并采用內(nèi)連接方式合并數(shù)據(jù)，即取行索引重疊的部分。

import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})left

right=pd.DataFrame({'key':['K0','K1','K2','K3'],
                   'C':['C0','C1','C2','C3'],
                   'D':['D0','D1','D2','D3']})right

pd.merge(left,right,on='key')

2）merge()函數(shù)還支持對(duì)含有多個(gè)重疊列的DataFrame對(duì)象進(jìn)行合并。

import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})data1

data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
                         'B':['B0','B1','B2','B5'],
                         'C':['C0','C1','C2','C3'],
                         'D':['D0','D1','D2','D3']})data2

pd.merge(data1,data2,on=['key','B'])

1）根據(jù)行索引合并數(shù)據(jù)

1. join()方法能夠通過索引或指定列來連接多個(gè)DataFrame對(duì)象

2. join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）

參數(shù)	作用
on	名稱，用于連接列名
how	?可以從{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任選一個(gè)，默認(rèn)使用左連接的方式。
sort	根據(jù)連接鍵對(duì)合并的數(shù)據(jù)進(jìn)行排序，默認(rèn)為False

import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2']})data3

data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                         'D': ['D0', 'D1', 'D2']},
                     index=['a','b','c'])data3.join(data4,how='outer')  # 外連接

data3.join(data4,how='left')  #左連接

data3.join(data4,how='right')  #右連接

data3.join(data4,how='inner')  #內(nèi)連接

import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                        'B': ['B0', 'B1', 'B2'],
                      'key': ['K0', 'K1', 'K2']})left

right = pd.DataFrame({'C': ['C0', 'C1','C2'],
                         'D': ['D0', 'D1','D2']},
                        index=['K0', 'K1','K2'])right

on參數(shù)指定連接的列名

left.join(right,how='left',on='key')  #on參數(shù)指定連接的列名

2）合并重疊數(shù)據(jù)

當(dāng)DataFrame對(duì)象中出現(xiàn)了缺失數(shù)據(jù)，而我們希望使用其他DataFrame對(duì)象中的數(shù)據(jù)填充缺失數(shù)據(jù)，則可以通過combine_first()方法為缺失數(shù)據(jù)填充。

import pandas as pdimport numpy as npfrom numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
                        'B': [np.nan, 'B1', np.nan, 'B3'],
                        'key': ['K0', 'K1', 'K2', 'K3']})left

right = pd.DataFrame({'A': ['C0', 'C1','C2'],
                         'B': ['D0', 'D1','D2']},
                         index=[1,0,2])right

用right的數(shù)據(jù)填充left缺失的部分

left.combine_first(right) # 用right的數(shù)據(jù)填充left缺失的部分

以上就是關(guān)于“Python的concat與merge函數(shù)怎么使用”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。

分享標(biāo)題：Python的concat與merge函數(shù)怎么使用
本文網(wǎng)址：http://www.chinadenli.net/article10/pispgo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供建站公司、面包屑導(dǎo)航、網(wǎng)站改版、網(wǎng)站內(nèi)鏈、商城網(wǎng)站、定制開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)