python merge、concat合并数据集,Python concat函数
这篇文章已经给大家带来了一些关于python的知识，包括数据合并，包括concat函数和merge函数。下面就来看看吧，希望对你有帮助。
推荐：python视频教程
00-1010Concat()函数可以沿一个轴堆叠多个对象，其用法类似于数据库中的数据表合并。pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)参数的含义如下：参数动作轴表示连接的轴，可以是0，也可以是1。默认值为0join，inner表示内部连接，outer表示外部连接，默认值为False。如果设置为True，则意味着清除现有索引并重置索引值的键接收顺序，这意味着添加最外面的索引级别。用于构建MultiIndex的特定级别(唯一值)名称。在设置了键和级别参数之后，用于创建分层级别的名称verify_integerity检查新的连接轴是否包含重复项。接收一个布尔值。当设置为True时，如果有重复的轴，将会引发错误。默认值为False。根据坐标轴方向的不同，叠加可分为水平叠加和垂直叠加，默认为纵向堆叠方式.
叠加数据时，默认采用外连接(join参数设置为outer)进行合并，当然也可以将join=inner设置为inner join。
一、concat函数
进口熊猫作为pd
df1=pd。DataFrame({A:[A0 ， A1 ， A2]，
B:[B0 ， B1 ， B2 ]}]df1
df2=pd。DataFrame({C:[C0 ， C1 ， C2]，
D:[D0 ， D1 ， D2]})df2
1)横向堆叠与外连接
pd.concat([df1，df2]，join=outer ，axis=1)
横向堆叠合并df1和df2,采用外连接的方式
进口熊猫作为pd
first=pd。DataFrame({A:[A0 ， A1 ， A2]，
B:[B0 ， B1 ， B2]，
C:[C0 ， C1 ， C2 ]}]第一
秒=pd。DataFrame({B:[B3 ， B4 ， B5]，
C:[
9;C3','C4','C5'],
'D':['D3','D4','D5']})second
- 当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并
pd.concat([first,second],join='inner',axis=0)
二、merge()函数
1）主键合并数据
在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。
import pandas as pd
right=pd.DataFrame({'key':['K0','K1','K2','K3'],
pd.merge(left,right,on='key')
2）merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。
import pandas as pd
data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
pd.merge(data1,data2,on=['key','B'])
1）根据行索引合并数据
- join()方法能够通过索引或指定列来连接多个DataFrame对象
join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）
参数作用on名称，用于连接列名how可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个，默认使用左连接的方式。sort根据连接键对合并的数据进行排序，默认为False
import pandas as pd
data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
data3.join(data4,how='left') #左连接
data3.join(data4,how='right') #右连接
data3.join(data4,how='inner') #内连接
import pandas as pd
right = pd.DataFrame({'C': ['C0', 'C1','C2'],
left.join(right,how='left',on='key') #on参数指定连接的列名
2）合并重叠数据
当DataFrame对象中出现了缺失数据，而我们希望使用其他DataFrame对象中的数据填充缺失数据，则可以通过combine_first()方法为缺失数据填充。
import pandas as pdimport numpy as npfrom numpy import NAN
right = pd.DataFrame({'A': ['C0', 'C1','C2'],
left.combine_first(right) # 用right的数据填充left缺失的部分
推荐学习：python视频教程以上就是Python数据分析之concat与merge函数（实例详解）的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。