python merge concat,

　　众所周知，concat()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。用merge()函数合并时，默认将重叠的列索引作为合并键，即取行索引的重叠部分。本文向您介绍python数据合并concat函数和Merge函数。感兴趣的朋友来看看吧。

　　00-1010 I concat函数1)水平堆叠和外部连接2)垂直堆叠和内部链接2) merge()函数1)根据行索引合并数据2)合并重叠数据

　　动作轴参数指示连接的轴向，可以是0或1。默认值为0join，表示连接模式。inner表示内部连接，outer表示外部连接。默认情况下，外部连接ignore_index用于接收布尔值，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，将抛出错误，默认值为False3。3.根据轴线方向不同，堆叠可分为水平堆叠和垂直堆叠，默认采用纵向堆叠方式。

　　4.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

　　水平堆叠结合df1和df2，采用外接。

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

1)横向堆叠与外连接

　　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:[C3 ， C4 ， C5]，

　　 D:[D3,D4,D5]})

　　second

　　3.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],

　　on参数指定连接的列名

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 pd

right = pd.DataFrame({A: [C0, C1,C2],

　　用right的数据填充left缺失的部分

left.combine_first(right) # 用right的数据填充left缺失的部分

　　到此这篇关于Python数据合并的concat函数与merge函数详解的文章就介绍到这了,更多相关python数据合并concat函数与merge函数内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

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。