pandas操作——合併數據集

數據集的合併（merge）或連接（join)運算是通過一個或多個鍵將行鏈接起來。

pandas.merge可根據一個或多個鍵將不同DataFrame中的行連接起來。例如：

下面是多對一合併，df1中的數據有多個被標記為a和b的行，而df2中key列的每個值則對應一行：

如果沒有指定，merge就會將重疊的列名當做鍵，一般顯式指定：

如果兩個對象的列名不同，需要分別進行指定：

上面操作的結果里，lkey中的』c』和rkey中的』d』及其對應的值已經消失，這是因為默認情況下，merge做的是「inner」連接，即結果中的鍵是交集。連接方式是用參數how來指定，包括「left」、「right」以及「outer」。

下面是外連接求取的是鍵的並集：

多對多的合併操作，產生的是行的笛卡爾積：

左右連接中左邊的DataFrame有3個「b」行，右邊的有2個，所以最終結果有6個「b」行。連接方式隻影響出現在結果中的鍵：

鍵的交集：

多個鍵進行合併，傳入一個有列名組成的列表即可：

注意：在進行列-列連接時，DataFrame對象中的索引會丟棄。

對重複列名的處理，使用suffixes選項，用於指定附加到左右兩個DataFrame對象的重疊列名上的字元串：

merge函數的參數：

源碼：

# coding: utf-8nn# In[1]:nnimport numpy as npnfrom pandas import Series,DataFramenimport pandas as pdnnn# In[2]:nndf1 = DataFrame({key:[c,d,a,b,c],data1:range(5)})nprint(df1)nnn# In[3]:nndf2 = DataFrame({key:[a,b,c],data2:range(3)})nprint(df2)nnn# In[4]:nn# 多對一合併npd.merge(df1,df2)nnn# In[5]:nn# 顯式指定列名當做鍵npd.merge(df1,df2,on=key)nnn# In[6]:nn# 如果兩個對象的列名不同，需要分別指定ndf3 = DataFrame({lkey:[b,b,a,c,a,a,b],data1:range(7)})ndf4 = DataFrame({rkey:[a,b,d],data2:range(3)})npd.merge(df3,df4,left_on=lkey,right_on=rkey) nnn# In[7]:nn# 外連接求取鍵的並集npd.merge(df1,df2,how=outer)nnn# In[8]:nn# 多對多的合併ndf1 = DataFrame({key:[b,b,a,c,a,b],data1:range(6)})nprint(df1)nnn# In[9]:nndf2 = DataFrame({key:[a,b,a,b,d],data2:range(5)})nprint(df2)nnn# In[10]:nn# 左連接npd.merge(df1,df2,on=key,how=left)nnn# In[12]:nn# 右連接npd.merge(df1,df2,on=key,how=right)nnn# In[13]:nn# 鍵的交集npd.merge(df1,df2,how=inner)nnn# In[14]:nn# 多個鍵合併nleft = DataFrame({key1:[foo,foo,bar],n key2:[one,two,one],n lval:[1,2,3]})nright = DataFrame({key1:[foo,foo,bar,bar],n key2:[one,one,one,two],n rval:[4,5,6,7]})npd.merge(left,right,on=[key1,key2],how=outer)nnn# In[15]:nn# 使用suffixes選項對重複列名進行處理npd.merge(left,right,on=key1)nnn# In[16]:nnpd.merge(left,right,on=key1,suffixes=(_left,_right))n

推薦閱讀：