gpt4 book ai didi

pandas--DataFrame的级联以及合并操作

转载 作者:我是一只小鸟 更新时间:2023-10-02 07:01:56 32 4
gpt4 key购买 nike

博客地址: https://www.cnblogs.com/zylyehuo/ 。

开发环境

  • anaconda
    • 集成环境:集成好了数据分析和机器学习中所需要的全部环境
    • 安装目录不可以有中文和特殊符号
  • jupyter
    • anaconda提供的一个基于浏览器的可视化开发工具
                        
                          import pandas as pd
import numpy as np

                        
                      

级联操作 -- 对应表格

  • pd.concat
  • pd.append
  • pandas使用pd.concat函数,与np.concatenate函数类似,只是多了一些参数:
    • objs
    • axis=0
    • keys
    • join='outer' / 'inner':表示的是级联的方式,outer会将所有的项进行级联(忽略匹配和不匹配),而inner只会将匹配的项级联到一起,不匹配的不级联
    • ignore_index=False

匹配级联

                        
                          df1 = pd.DataFrame(data=np.random.randint(0,100,size=(5,3)),columns=['A','B','C'])
df2 = pd.DataFrame(data=np.random.randint(0,100,size=(5,3)),columns=['A','D','C'])

                        
                      
                        
                          pd.concat((df1,df2),axis=1)  # 行列索引都一致的级联叫做匹配级联

                        
                      

不匹配级联

  • 不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致,横向级联时行索引不一致
  • 有2种连接方式:
    • 外连接:补NaN(默认模式)
    • 内连接:只连接匹配的项
                        
                          pd.concat((df1,df2),axis=0)

                        
                      

内连接

                        
                          pd.concat((df1,df2),axis=0,join='inner')  # inner直把可以级联的级联不能级联不处理

                        
                      

外连接

  • 如果想要保留数据的完整性必须使用 outer(外连接)
                        
                          pd.concat((df1,df2),axis=0,join='outer')

                        
                      

  • append函数的使用
                        
                          df1.append(df2)

                        
                      

合并操作 -- 对应数据

  • merge与concat的区别在于,merge需要依据某一共同列来进行合并
  • 使用pd.merge()合并时,会自动根据两者相同column名称的那一列,作为key来进行合并。
  • 注意每一列元素的顺序不要求一致

一对一合并

                        
                          from pandas import DataFrame

                        
                      
                        
                          df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                'group':['Accounting','Engineering','Engineering'],
                })
df1

                        
                      

                        
                          df2 = DataFrame({'employee':['Lisa','Bob','Jake'],
                'hire_date':[2004,2008,2012],
                })
df2

                        
                      

                        
                          pd.merge(df1,df2,on='employee')

                        
                      

一对多合并

                        
                          df3 = DataFrame({
    'employee':['Lisa','Jake'],
    'group':['Accounting','Engineering'],
    'hire_date':[2004,2016]})
df3

                        
                      

                        
                          df4 = DataFrame({'group':['Accounting','Engineering','Engineering'],
                       'supervisor':['Carly','Guido','Steve']
                })
df4

                        
                      

                        
                          pd.merge(df3,df4)  # on如果不写,默认情况下使用两表中公有的列作为合并条件

                        
                      

多对多合并

                        
                          df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
                 'group':['Accounting','Engineering','Engineering']})
df1

                        
                      

                        
                          df5 = DataFrame({'group':['Engineering','Engineering','HR'],
                'supervisor':['Carly','Guido','Steve']
                })
df5

                        
                      

                        
                          pd.merge(df1,df5,how='right')

                        
                      

                        
                          pd.merge(df1,df5,how='left')

                        
                      

key的规范化

  • 当两张表没有可进行连接的列时,可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
                        
                          df1 = DataFrame({'employee':['Bobs','Linda','Bill'],
                'group':['Accounting','Product','Marketing'],
               'hire_date':[1998,2017,2018]})
df1

                        
                      

                        
                          df5 = DataFrame({'name':['Lisa','Bobs','Bill'],
                'hire_dates':[1998,2016,2007]})
df5

                        
                      

                        
                          pd.merge(df1,df5,left_on='employee',right_on='name')

                        
                      

内合并与外合并

  • outer取并集
  • inner取交集
                        
                          df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})

                        
                      
                        
                          df6

                        
                      

                        
                          df7

                        
                      

                        
                          pd.merge(df6,df7,how='outer')

                        
                      

                        
                          df6 = DataFrame({'name':['Peter','Paul','Mary'],
               'food':['fish','beans','bread']}
               )
df7 = DataFrame({'name':['Mary','Joseph'],
                'drink':['wine','beer']})

                        
                      
                        
                          df6

                        
                      

                        
                          df7

                        
                      

                        
                          pd.merge(df6,df7,how='inner')

                        
                      

最后此篇关于pandas--DataFrame的级联以及合并操作的文章就讲到这里了,如果你想了解更多关于pandas--DataFrame的级联以及合并操作的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

32 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com