concat与merge函数的作用和用法是啥

这篇文章给大家介绍了“concat与merge函数的作用和用法是什么”的相关知识，讲解详细，步骤过程清晰，有一定的借鉴学习价值，因此分享给大家做个参考，感兴趣的朋友接下来一起跟随小编看看吧。

一、concat函数

concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似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)

在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。

1)横向堆叠与外连接

import pandas as 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

横向堆叠合并df1和df2,采用外连接的方式

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

2) 纵向堆叠与内链接 

import pandas as pd

first=pd.DataFrame({'A':['A0','A1','A2'],

'B':['B0','B1','B2'],

'C':['C0','C1','C2']})first

second=pd.DataFrame({'B':['B3','B4','B5'],

'C':['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

left=pd.DataFrame({'key':['K0','K1','K2'],

'A':['A0','A1','A2'],

'B':['B0','B1','B2']})left

right=pd.DataFrame({'key':['K0','K1','K2','K3'],

'C':['C0','C1','C2','C3'],

'D':['D0','D1','D2','D3']})right

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

data1=pd.DataFrame({'key':['K0','K1','K2'],

'A':['A0','A1','A2'],

'B':['B0','B1','B2']})data1

data2=pd.DataFrame({'key':['K0','K5','K2','K4'],

'B':['B0','B1','B2','B5'],

'C':['C0','C1','C2','C3'],

'D':['D0','D1','D2','D3']})data2

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

data3=pd.DataFrame({'A':['A0','A1','A2'],

'B':['B0','B1','B2']})data3

data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],

'D': ['D0', 'D1', 'D2']},

index=['a','b','c'])data3.join(data4,how='outer') # 外连接

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

left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],

'B': ['B0', 'B1', 'B2'],

'key': ['K0', 'K1', 'K2']})left

right = pd.DataFrame({'C': ['C0', 'C1','C2'],

'D': ['D0', 'D1','D2']},

index=['K0', 'K1','K2'])right

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 pdimport numpy as npfrom numpy import NAN

left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],

'B': [np.nan, 'B1', np.nan, 'B3'],

'key': ['K0', 'K1', 'K2', 'K3']})left

right = pd.DataFrame({'A': ['C0', 'C1','C2'],

'B': ['D0', 'D1','D2']},

index=[1,0,2])right

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“concat与merge函数的作用和用法是什么”的文章就介绍到这了,更多相关内容请搜索群英网络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！

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!