在Pandas中DataFrame数据合并,连接(concat,merge,join)的实例

最近在工作中，遇到了数据合并、连接的问题，故整理如下，供需要者参考~

一、concat：沿着一条轴，将多个对象堆叠到一起

concat方法相当于数据库中的全连接（union all），它不仅可以指定连接的方式（outer join或inner join）还可以指定按照某个轴进行连接。与数据库不同的是，它不会去重，但是可以使用drop_duplicates方法达到去重的效果。

concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
   keys=None, levels=None, names=None, verify_integrity=False, copy=True):

pd.concat()只是单纯的把两个表拼接在一起，参数axis是关键，它用于指定是行还是列，axis默认是0。

当axis=0时，pd.concat([obj1, obj2])的效果与obj1.append(obj2)是相同的；当axis=1时，pd.concat([obj1, obj2], axis=1)的效果与pd.merge(obj1, obj2, left_index=True, right_index=True, how='outer')是相同的。

merge方法的介绍请参看下文。

参数介绍：

objs：需要连接的对象集合，一般是列表或字典；

axis：连接轴向；

join：参数为‘outer'或‘inner'；

join_axes=[]：指定自定义的索引；

keys=[]：创建层次化索引；

ignore_index=True：重建索引

举例：

df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])

df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])

pd.concat([df1,df2])

a     b     c     d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
0 -0.316156 -0.707832    NaN -0.416589
1 0.406830 1.345932    NaN -1.874817

pd.concat([df1,df2],ignore_index=True)

a     b     c     d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
3 -0.316156 -0.707832    NaN -0.416589
4 0.406830 1.345932    NaN -1.874817

二、merge：通过键拼接列

类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False)

参数介绍：

left和right：两个不同的DataFrame；

how：连接方式，有inner、left、right、outer，默认为inner；

on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；

left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有用；

right_on：右侧DataFrame中用于连接键的列名；

left_index：使用左侧DataFrame中的行索引作为连接键；

right_index：使用右侧DataFrame中的行索引作为连接键；

sort：默认为True，将合并的数据进行排序，设置为False可以提高性能；

suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x', '_y')；

copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能；

indicator：显示合并数据中数据的来源情况

举例：

# 1.默认以重叠的列名当做连接键。
df1=DataFrame({'key':['a','b','b'],'data1':range(3)})  
df2=DataFrame({'key':['a','b','c'],'data2':range(3)})  
pd.merge(df1,df2)  #没有指定连接键，默认用重叠列名，没有指定连接方式

data1 key data2
0   0  a   0
1   1  b   1
2   2  b   1

# 2.默认做inner连接（取key的交集），连接方式还有（left,right,outer)，制定连接方式加参数：how=''
pd.merge(df2,df1)

data2 key data1
0   0  a   0
1   1  b   1
2   1  b   2          #默认内连接，可以看见c没有连接上。

pd.merge(df2,df1,how='left')  #通过how，指定连接方式

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

# 3.多键连接时将连接键组成列表传入，例：pd.merge(df1,df2,on=['key1','key2']
right=DataFrame({'key1':['foo','foo','bar','bar'],
    'key2':['one','one','one','two'],
    'lval':[4,5,6,7]})
left=DataFrame({'key1':['foo','foo','bar'],
    'key2':['one','two','one'],
    'lval':[1,2,3]})
right=DataFrame({'key1':['foo','foo','bar','bar'],
    'key2':['one','one','one','two'],
    'lval':[4,5,6,7]})
pd.merge(left,right,on=['key1','key2'],how='outer') #传出数组

key1 key2 lval_x lval_y
0 foo one    1    4
1 foo one    1    5
2 foo two    2   NaN
3 bar one    3    6
4 bar two   NaN    7

# 4.如果两个对象的列名不同，可以分别指定，例：pd.merge(df1,df2,left_on='lkey',right_on='rkey')
df3=DataFrame({'key3':['foo','foo','bar','bar'], #将上面的right的key 改了名字
    'key4':['one','one','one','two'],
    'lval':[4,5,6,7]})
pd.merge(left,df3,left_on='key1',right_on='key3') #键名不同的连接

key1 key2 lval_x key3 key4 lval_y
0 foo one    1 foo one    4
1 foo one    1 foo one    5
2 foo two    2 foo one    4
3 foo two    2 foo one    5
4 bar one    3 bar one    6
5 bar one    3 bar two    7

三、join：主要用于索引上的合并

join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):

其参数的意义与merge方法中的参数意义基本一样。

来源：https://blog.csdn.net/gdkyxy2013/article/details/80785361