python中DataFrame数据合并merge()和concat()方法详解

merge()

1.常规合并

①方法1

指定一个参照列，以该列为准，合并其他列。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num1': [120, 101, 104],
                   'num2': [110, 102, 121],
                   'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")
df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

②方法2

要实现该合并，也可以通过索引来合并，即以index列为基准。将left_index 和 right_index 都设置为True
即可。（left_index 和 right_index 都默认为False，left_index表示左表以左表数据的index为基准， right_index表示右表以右表数据的index为基准。）

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num1': [120, 101, 104],
                   'num2': [110, 102, 121],
                   'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, left_index=True, right_index=True)
print(df_merge)

相比方法①，区别在于，如图，方法②合并出的数据中有重复列。

重要参数

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

其中，left_index与right_index 不能与 on 同时指定。

合并方式 left right outer inner

准备数据‘

新准备一组数据:

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num1': [120, 101, 104],
                   'num2': [110, 102, 121],
                   'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '004', '003'],
                   'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

inner（默认）

使用来自两个数据集的键的交集

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

outer

使用来自两个数据集的键的并集

df_merge = pd.merge(df1, df2, on='id', how="outer")
print(df_merge)

left

使用来自左数据集的键

df_merge = pd.merge(df1, df2, on='id', how='left')
print(df_merge)

right

使用来自右数据集的键

df_merge = pd.merge(df1, df2, on='id', how='right')
print(df_merge)

2.多对一合并

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num1': [120, 101, 104],
                   'num2': [110, 102, 121],
                   'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '001', '003'],
                   'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

如图，df2中有重复id1的数据。

合并

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

合并结果如图所示：

依然按照默认的Inner方式，使用来自两个数据集的键的交集。且重复的键的行会在合并结果中体现为多行。

3.多对多合并

如图表1和表2中都存在多行id重复的。

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],
                   'num1': [120, 101, 104, 114, 123],
                   'num2': [110, 102, 121, 113, 126],
                   'num3': [105, 120, 113, 124, 128]})
df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],
                   'num4': [80, 86, 79, 88, 93]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

concat()

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

其他重要参数通过实例说明。

1.相同字段的表首位相连

首先准备三组DataFrame数据：

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '003'],
                   'num1': [120, 114, 123],
                   'num2': [110, 102, 121],
                   'num3': [113, 124, 128]})
df2 = pd.DataFrame({'id': ['004', '005'],
                   'num1': [120, 101],
                   'num2': [113, 126],
                   'num3': [105, 128]})
df3 = pd.DataFrame({'id': ['007', '008', '009'],
                   'num1': [120, 101, 125],
                   'num2': [113, 126, 163],
                   'num3': [105, 128, 114]})

print(df1)
print("=======================================")
print(df2)
print("=======================================")
print(df3)

合并

dfs = [df1, df2, df3]
result = pd.concat(dfs)
print(result)

如果想要在合并后，标记一下数据都来自于哪张表或者数据的某类别，则也可以给concat加上 参数keys 。

result = pd.concat(dfs, keys=['table1', 'table2', 'table3'])
print(result)

此时，添加的keys与原来的index组成元组，共同成为新的index。

print(result.index)

2.横向表合并（行对齐）

准备两组DataFrame数据：

import pandas as pd
df1 = pd.DataFrame({'num1': [120, 114, 123],
                   'num2': [110, 102, 121],
                   'num3': [113, 124, 128]}, index=['001', '002', '003'])
df2 = pd.DataFrame({'num3': [117, 120, 101, 126],
                   'num5': [113, 125, 126, 133],
                   'num6': [105, 130, 128, 128]}, index=['002', '003', '004', '005'])

print(df1)
print("=======================================")
print(df2)

当axis为默认值0时：

result = pd.concat([df1, df2])
print(result)

横向合并需要将axis设置为1 ：

result = pd.concat([df1, df2], axis=1)
print(result)

对比以上输出差异。

• axis=0时，即默认纵向合并时，如果出现重复的行，则会同时体现在结果中

• axis=1时，即横向合并时，如果出现重复的列，则会同时体现在结果中。

3.交叉合并

result = pd.concat([df1, df2], axis=1, join='inner')
print(result)

来源：https://blog.csdn.net/weixin_48964486/article/details/123387448