Pandas-多表操作
Pandas包对多个数据表（DataFrame）的常用整合功能。
目录
- pandas.merge可根据一个或多个键将不同DataFrame中的行合并起来
-
# 在未指定连接键的情况下，merge会将重叠列的列名当做键 pd.merge(left, right) # 指定“on”作为连接键，left和right两个DataFrame必须同时存在“on”列，连接键也可N对N（少用） pd.merge(left, right, on="key") pd.merge(left, right, on=["key1", "key2"]) # 指定left的连接键为“lkey”，right的连接键为“rkey” pd.merge(left, right, left_on="lkey", right="rkey") # suffixes:用于追加到重叠列名的末尾，默认为("_x", "_y") pd.merge(left, right, on="key", suffixes=("_left", "_right")) # 指定连接方式：“inner”（默认），“left”，“right”，“outer” pd.merge(left, right, how="outer")
- 多对多连接产生的是行的笛卡尔积
- 常用方式：连接方式为“left”，right的连接键要唯一（去除重复值），通过right的数据补全left的数据
索引上的合并（可用join代替，而且join更方便）
- 当DataFrame的连接键位于其索引中，可以使用 left_index=True 和 right_index=True
-
# 索引和索引连接 pd.merge(left, right, left_index=True, right_index=True) # "key"和索引连接 pd.merge(left, right, left_on="key", right_index=True) # 层次化索引 pd.merge(left, right, left_on=["key1", "key2"], right_index=True)
- DataFrame的join实例方法，是为了方便实现索引合并
-
# 用left的索引和right的索引进行merge left.join(right) # 用left的索引和right的“key”进行merge left.join(right， on="key") # 层次化索引 left.join(right， on=["key1", "key"]) # join可以合并两张以上的表，而merge只能合并两张表 left.join([right1, right2], how="outer")
- pandas.concat可以沿着一条轴将多个表对象堆叠到一起：因为模式how模式是“outer”
-
# 默认 axis=0 上下拼接，列column重复的会自动合并 pd.concat([df1, df2], axis=0) # axis=1 左右拼接，行raw/index重复的会自动合并 pd.concat([df1, df2], axis=1) # 忽略df1和df2原来的index，重新给新的DataFrame设置从0开始的index pd.concat([df1,df2], ignore_index=True)
- 使用场景：表头一致的多张表，进行连接（上下连接）
df1.append(df2).append(df3)
- 使用场景：有两张表left和right，一般要求它们的表格结构一致，数据量也一致，使用right的数据去填补left的数据缺漏
- 如果在同一位置left与right数据不一致，保留left的数据
df1.combin_first(df2)
