import pandas as pd

• 軸向連接(concatenation): pd.concat() 可以沿一個(gè)軸將多個(gè)DataFrame對(duì)象連接在一起, 形成一個(gè)新的Dataframe對(duì)象
• 融合（merging）：pd.merge()方法可以根據(jù)一個(gè)或多個(gè)鍵將不同DataFrame中的行連接起來。

concat() 軸向連接

concat() 函數(shù)可以將數(shù)據(jù)根據(jù)不同的軸作進(jìn)行合并

pd.concat(objs, axis=0, join='outer')

• objs: series、dataframe或者是panel構(gòu)成的序列l(wèi)ist
• axis： 需要合并鏈接的軸，0是行，1是列，默認(rèn)是0
• join：連接的方式 inner，或者outer，默認(rèn)是outer

準(zhǔn)備數(shù)據(jù)

dict1={
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3'],
    'C': ['C0', 'C1', 'C2', 'C3']}
df1=pd.DataFrame(dict1)
print(df1)

dict2={
    'B': ['B0', 'B1', 'B2', 'B3'],
    'C': ['C0', 'C1', 'C2', 'C3'],
    'D': ['D0', 'D1', 'D2', 'D3']}
df2=pd.DataFrame(dict2)
print(df2)

合并

join的值 inner ，得到的是兩表的交集，如果是outer，得到的是兩表的并集

(1) join='outer'，axis=0

• 當(dāng)join=‘outer’，axis參數(shù)為0時(shí)，列進(jìn)行并集處理，縱向表拼接，缺失值由NaN填充，并且會(huì)保留原有數(shù)據(jù)的行索引

pd.concat([df1, df2], axis=0, join='outer', sort=True) # 我沒加 sort=True 會(huì)報(bào)一個(gè)警告

• 如果兩個(gè)表的index都沒有實(shí)際含義, 使用ignore_index參數(shù)置為 true, 重新生成一個(gè)新的index

pd.concat([df1,df2],axis=0,join='outer',ignore_index=True, sort=True) # 我沒加 sort=True 會(huì)報(bào)一個(gè)警告

(2)join='outer'，axis=1

• 當(dāng)join=‘outer’，axis參數(shù)為1時(shí)，行進(jìn)行并集處理，橫向表拼接，缺失值由NaN填充

pd.concat([df1,df2],axis=1,join='outer', sort=True) # 我沒加 sort=True 會(huì)報(bào)一個(gè)警告

(3) join=inner, axis=0

pd.concat([df1,df2],axis=0,join='inner',ignore_index=True)

merge() 融合

merge(left, right, how='inner', on=None)

參數(shù)介紹

• left和right, 兩個(gè)要合并的DataFrame(對(duì)應(yīng)的左連接和右連接)
• how: 連接的方式, 有inner(內(nèi)連接)、left(左連接)、right(右連接)、outer(外連接), 默認(rèn)為 inner
• on: 指的是用于連接的列索引名稱, 必須存在于左右兩個(gè)DataFrame中, 如果沒有指定且其他參數(shù)也沒有指定,則兩個(gè)DataFrame列名交集作為連接鍵

import pandas as pd
left = pd.DataFrame({'key':['a','b','b','d'],'data1':range(4)})
print(left)

right = pd.DataFrame({'key':['a','b','c'],'data2':range(3)})
print(right)

  key  data1
0   a      0
1   b      1
2   b      2
3   d      3
  key  data2
0   a      0
1   b      1
2   c      2

inner(內(nèi)連接)

• merge()默認(rèn)做inner連接，并且使用兩個(gè)DataFrame的列名交集（key）作為連接鍵，同樣，最終連接的數(shù)據(jù)也是兩個(gè)DataFramekey列數(shù)據(jù)的交集

pd.merge(left,right)

outer (外連接)

• 當(dāng)merge()做outer連接時(shí)最終連接的數(shù)據(jù)是兩個(gè)DataFramekey列數(shù)據(jù)的并集，缺失的內(nèi)容由NaN填充

pd.merge(left,right,on=['key'],how='outer')

left(左連接)

• 當(dāng)merge()做left連接時(shí)，最終連接的數(shù)據(jù)將以left數(shù)據(jù)的鏈接建為準(zhǔn)合并兩個(gè)數(shù)據(jù)的列數(shù)據(jù)，缺失的內(nèi)容由NaN填充

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

right (右連接)

• 當(dāng)merge()做right連接時(shí)，最終連接的數(shù)據(jù)將以right數(shù)據(jù)的鏈接建為準(zhǔn)合并兩個(gè)數(shù)據(jù)的列數(shù)據(jù)，缺失的內(nèi)容由NaN填充

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

應(yīng)用場景

例如：

• 現(xiàn)在有兩張表格分別存儲(chǔ)了9月和10月份的成交信息，
• 那么這個(gè)時(shí)候我們就可以使用concat( )將兩個(gè)表沿著0軸合并

例如：

• 現(xiàn)在有兩張表格，一個(gè)是成交信息，包含訂單號(hào)、金額、客戶ID等信息；
• 第二個(gè)是客戶信息，包含客戶ID、姓名、電話號(hào)等信息，那么這個(gè)時(shí)候我們就可以使用merge()根據(jù)客戶ID將兩個(gè)表合并成一個(gè)完整的表

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。