📅  最后修改于: 2023-12-03 15:03:29.414000             🧑  作者: Mango
在数据分析和数据科学中,经常需要将两个或多个数据框合并到一个数据框中。Pandas 库提供了多种方式对数据框进行合并。
Pandas 中主要有三种方式可以合并数据框,分别是 concat
函数、merge
函数和 join
函数。
concat
函数concat
函数是将两个或多个数据框按照行或列进行并排拼接,可以使用 concat
函数来将两个数据框按照行或列进行拼接。举个例子,假设有如下两个数据框:
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
则可以使用以下代码将两个数据框按列拼接成一个新的数据框:
result = pd.concat([df1, df2], axis=1)
其中 axis=1
表示按列进行拼接,结果如下:
A B C D A B C D
0 A0 B0 C0 D0 A4 B4 C4 D4
1 A1 B1 C1 D1 A5 B5 C5 D5
2 A2 B2 C2 D2 A6 B6 C6 D6
3 A3 B3 C3 D3 A7 B7 C7 D7
可以看到,新的数据框是将原来的两个数据框按列进行并排拼接到了一起。
merge
函数merge
函数是将两个或多个数据框按照一个或多个共同的列进行合并。假设有两个数据框 df1
和 df2
,它们的某一列都有相同的元素,那么 merge
函数就可以将它们根据这一列进行合并成一个新的数据框。
假设有如下两个数据框:
import pandas as pd
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
则可以使用以下代码将两个数据框按 key
列进行合并:
result = pd.merge(df1, df2, on='key')
其中 on='key'
表示根据 key
列进行合并,结果如下:
key A B C D
0 K0 A0 B0 C0 D0
1 K1 A1 B1 C1 D1
2 K2 A2 B2 C2 D2
3 K3 A3 B3 C3 D3
join
函数join
函数是将两个数据框按照一个或多个共同的索引进行合并。与 merge
函数不同的是,join
函数是将两个数据框按照索引进行合并,而 merge
函数是将两个数据框按照列进行合并。
假设有如下两个数据框:
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']},
index=['K0', 'K1', 'K2', 'K3'])
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']},
index=['K0', 'K1', 'K2', 'K3'])
则可以使用以下代码将两个数据框按索引进行合并:
result = df1.join(df2)
结果如下:
A B C D
K0 A0 B0 C0 D0
K1 A1 B1 C1 D1
K2 A2 B2 C2 D2
K3 A3 B3 C3 D3
本文介绍了三种合并数据框的方式:concat
函数、merge
函数和 join
函数。在实际的数据分析和数据科学中,这三种方式都是非常有用的,可以根据具体的需求来选择使用合适的合并方式。