Pandas 表连接（concat，merge,append）_pd.append

Pandas 表连接（concat，merge，append）

## 1.pd.concat([left,right],axis=1)
## 2.pd.merge(left,right,how='inner')
## 3.pad.append( line, ignore_index=True)
1
2
3

1. pd.concat()

将数据根据不同的轴作简单的融合

pd.concat(objs, axis=0, join='outer', 
join_axes=None, 
ignore_index=False,
keys=None, levels=None, 
names=None, verify_integrity=False,
copy=True)
1
2
3
4
5
6

参数说明：

objs: series，dataframe 或者是panel构成的序列list
axis： 需要合并链接的轴，0是行，1是列
join： 连接的方式 inner，或者outer
其他一些参数不常用，用的时候再补上说明。

步骤：

1. 将表构成 list，然后作为concat输入
2. 为了 区分表，可以增加关键词

frames = [df1, df2, df3]

 result = pd.concat(frames)
1
2
3

result = pd.concat(frames, keys=['x', 'y', 'z'])
1

输出结果如下图：

横向连接(axis=1)

当axis = 1的时候，concat就是行对齐，然后将不同列名称的两张表合并

举例子

import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                     index = [0, 1, 2, 3])
1
2
3
4
5
6

df2 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
                     'D': ['D2', 'D3', 'D6', 'D7'],
                     'F': ['F2', 'F3', 'F6', 'F7']},
                     index = [2, 3, 6, 7])
1
2
3
4

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

数据库形式的连接（join）

join参数的属性：
如果为 inner 得到的是两表的交集；
如果是outer，得到的是两表的并集。

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

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

纵向连接(axis=1)

result = pd.concat([df1,df2], axis = 0)
1

增加区分表的来源（key）

result = pd.concat([df1,df2],axis=1, key = ('a','b'))
1

指定对其列（join_axes）

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

注意：改命令已经在pandas1.0版本以上取消了，只适用于1.0版本以下

2. pd.merge()

pd.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)
1
2
3
4
5

参数含义：

left：左数据表
right：右数据表
on：以哪一列为标准做联表，如果没有输入参数，则会以共有的索引作为依据
left_on：以左边的数据框作为join key
right_on：以右边的数据框作为join key
left_index：以左边的索引作为join key
right_index：以右边的索引作为join key
how：left, right, out, inner，默认为inner
sort：通过join key对结果进行排序

例子：

import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                     index = [0, 1, 2, 3])
df2 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
                     'D': ['D2', 'D3', 'D6', 'D7'],
                     'F': ['F2', 'F3', 'F6', 'F7']},
                     index = [2, 3, 6, 7])
1
2
3
4
5
6
7
8
9
10

result = pd.merge(df1,df2,how='inner')
1

result = pd.merge(df1,df2,how='outer')
1

3. 增加新的行数（pd.append）

s1 = pd.Series(['x0','x1','x2','x3'], index=['A','B','C','D'])
result5 = df1.append(s1,ignore_index=True)
1
2

ignore_index=True 表示新增的索引不能重复