查看原文
其他

图解Pandas数据合并:concat、join、append

Peter 尤而小屋 2022-05-28

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

预告:吴某某事件持续发酵,明天继续吃瓜🍉

滚!滚?

图解pandas数据合并:concat+join+append

在上一篇文章中介绍过pandas中最为常用的一个合并函数merge的使用,本文中介绍的是另外3个与合并操作相关的函数:

  • concat
  • join
  • append
挑战SQL:图解Pandas的数据合并merge

Pandas连载

本文是Pandas数据分析库的第15篇,欢迎阅读:


模拟数据

首先是模拟几份不同的数据:

import pandas as pd
import numpy as np

concat

concat也是一个常用的合并函数,下面通过具体例子来介绍它的使用。

参数

pandas.concat(objs,  # 合并对象
              axis=0,   # 合并方向,默认是0纵轴方向
              join='outer'# 合并取的是交集inner还是并集outer
              ignore_index=False# 合并之后索引是否重新
              keys=None# 在行索引的方向上带上原来数据的名字;主要是用于层次化索引,可以是任意的列表或者数组、元组数据或者列表数组
              levels=None# 指定用作层次化索引各级别上的索引,如果是设置了keys
              names=None# 行索引的名字,列表形式
              verify_integrity=False# 检查行索引是否重复;有则报错
              sort=False# 对非连接的轴进行排序
              copy=True   # 是否进行深拷贝
             )

默认情况

默认情况是直接在纵向上进行合并

axis

指定合并的方向

如果某个数据框中不存在,则会显示为NaN:

  • 根据实际数据调整合并的方向,默认是axis=0
  • 某个数据库中不存在的数据,用NaN代替

参数ignore_index

是否保留原表索引,默认保留,为 True 会自动增加自然索引。

参数join

指定取得交集inner还是并集outer,默认是并集outer

df3和df4只有地址这个字段是相同的,所以保留了它,其他的舍弃:

参数keys

当我们设置了索引重排(ignore_index=True),keys参数就无效啦

参数name

指定每个层级索引的名字

我们可以检查下df6的索引,发现是层级索引:

合并多个DataFrame

同时合并df1、df2、df5

pd.concat([pd.concat([df1,df2],axis=0,ignore_index=True),df5],axis=1)

分两步来实现:先合并df1、df2,将得到的结果和df5合并

join

参数

来自官网的参数说明:

dataframe.join(other,  # 待合并的另一个数据框
        on=None,  # 连接的键
        how='left',   # 连接方式:‘left’, ‘right’, ‘outer’, ‘inner’ 默认是left
        lsuffix='',  # 左边(第一个)数据框相同键的后缀
        rsuffix='',  # 第二个数据框的键的后缀
        sort=False)  # 是否根据连接的键进行排序;默认False

模拟数据

为了解释join的操作,再模拟下数据:

参数 lsuffix、rsuffix

功能是为了添加指定的后缀

如果不指定的话,会报错:

参数how

how参数默认是left,保留左边的全部字段。右边不存在的数据用NaN

改成right之后,保留右边的全部数据:

可以在默认的参数结果中,name字段被分成了name_left和name_right,如何进行字段的合并呢???

  1. 先把键当做行索引
  2. 通过join合并
  3. 通过reset_index()重新设置索引

合并两个数据:

最后进行索引重置的功能:

还有一种更为简便的方法:

合并多个DataFrame

利用join来实现多个DataFrame的合并:

如果我们想要用merge函数来实现呢?

使用how="outer",保留全部字段的数据信息

append

字面意思是“追加”。向dataframe对象中添加新的行,如果添加的列名不在dataframe对象中,将会被当作新的列进行添加

参数

DataFrame.append(other, 
                 ignore_index=False
                 verify_integrity=False
                 sort=False)

参数解释:

  • other:待合并的数据。可以是pandas中的DataFrame、series,或者是Python中的字典、列表这样的数据结构
  • ignore_index:是否忽略原来的索引,生成新的自然数索引
  • verify_integrity:默认是False,如果值为True,创建相同的index则会抛出异常的错误
  • sort:boolean,默认是None。如果self和other的列没有对齐,则对列进行排序,并且属性只在版本0.23.0中出现。

模拟数据

添加不同类型数据

1、Python字典

2、Series类型

3、最常用的DataFrame

默认合并

df12和df13默认合并的结果:

参数ignore_index

改变生成的索引值

参数verify_integrity

默认是False,如果值为True,创建相同的index则会抛出异常的错误

案例实战

假设现在一个excel表中有3个sheet:订单表、订单商品表、商品信息表:

1、订单表

2、订单商品表

3、商品信息表

现在我们通过合并函数将3个sheet中的内容关联起来:

import pandas as pd
import numpy as np

# 读取订单表中的内容
df1 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name=0)  # 第一个sheet的内容,索引从0开始
df1
#  读取订单商品表
df2 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name=1)

# 商品信息表
df3 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name="商品信息")  # 可以直接指定sheet的名字name,不通过索引
df3

第一步:订单表和订单商品表的合并

第二步:将上面的结果和商品信息表合并

当我们得到上面的结果后,就可以完成很多的需求,举2个例子说明:

1、不同水果的销量和订单数:根据水果进行分组统计数量和订单数

2、不同区域的水果销售额和客户数

总结

两篇关于pandas数据合并的文章,详细介绍了4个函数:merge、concat、join、append的使用;其中,merge和concat最为常用。它们可以是实现SQL中join的功能。不管是交集、并集、还是左右连接,甚至是全连接都是可以直接实现的。

上面的实战案例数据是存放在一个Excel表中。在pandas中,我们可以从不同的来源:Excel、数据库、本地文件夹等获取来进行数据合并,方便后续实现我们的需求,希望本文对读者有所帮助。


推荐阅读


滚!滚?

挑战SQL:图解Pandas的数据合并merge

可视化神器Plotly玩转子图

数据分析师=7大主题,24份资料

图解Pandas重复值处理

图解Pandas的缺失值处理


尤而小屋,一个温馨的小屋。小屋主人,一手代码谋求生存,一手掌勺享受生活,欢迎你的光临

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存