文章目錄
- 三個函數的差別
- concat()
- append()
- merge()
- 三個函數各自的拓展用法
- concat()
- 連接配接多個DataFrame
- 設定特定的鍵（key）
- 橫向合并兩個DataFrame
- append()
- 連接配接多個DataFrame
- merge()
- 指定兩個列名連接配接DataFrame
- merge()的四種連接配接方式
- concat()
1. 三個函數的差別
concat(), append(), merge()一般都是用來連接配接兩個或者多個DataFrame對象。其中， concat(), append()預設用來縱向連接配接DataFrame對象， merge()用來橫向連接配接DataFrame對象。
接下來我們來看看具體的例子。
1.1 concat()
concat()預設情況下是縱向連接配接兩個DataFrame：
# 初始化df1
# 初始化df2
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df2 
# concat : 縱向連接配接df1和df2。
result = pd.concat([df1, df2])
result 我們看到df1, df2縱向合并在了一起。但也注意到， 因為concat()保留了每個子DataFrame的index， 是以合并之後的DataFrame中， 每個index出現了兩次。
我們可以通過設定ignore_index=False來解決這個問題：
result = pd.concat([df1, df2], ignore_index=True)
result 可以看到， 設定了ignore_index=True之後， 合并之後的DataFrame對index重新進行了排序。
1.2 append()
append()的預設操作效果跟concat()相同， 都是實作兩個DataFrame的縱向連接配接。事實上可以把它看做concat()的早期版本：
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df1 df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df2 result = df1.append(df2)
result 可以看到我們得到了跟concat()預設操作同樣的結果。因為append()也保留了每個子DataFrame的index， 是以合并之後的DataFrame中， 每個index出現了兩次。
我們同樣可以通過設定ignore_index=False來解決這個問題：
result = df1.append(df2, ignore_index=True)
result 1.3 merge()
merge()的預設操作是橫向連接配接兩個DataFrame對象：
left = pd.DataFrame({'key': ['K0', 'K1', 'K2'],
'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']})
left right = pd.DataFrame({'key': ['K1', 'K2', 'K3'],
'C': ['C1', 'C2', 'C3'],
'D': ['D1', 'D2', 'D3']})
right # 橫向合并left和right兩個子DataFrame。
## on='key' : 把兩個子DataFrame中key列相同的值連接配接到一行上。
result = pd.merge(left, right, ｏｎ='key')
result 從上面的結果可以看出， merge()方法把兩個子DataFrame中key列相同的值連接配接到了一行上， 并且删去了key列值不相同的行。
如果想保留key列值不相同的行， 可以添加上how='outer'參數：
# how: 指定兩個子DataFrame的連接配接方式，
result = pd.merge(left, right, on='key', how='outer')
result 2. 三個函數各自的拓展用法
2.1 concat()
- 2.1.1 連接配接多個DataFrame
concat()可以一次性連接配接3個或者3個以上的DataFrame：
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df1 df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df2 df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
'B': ['B8', 'B9', 'B10', 'B11'],
'C': ['C8', 'C9', 'C10', 'C11'],
'D': ['D8', 'D9', 'D10', 'D11']})
df3 result = pd.concat([df1, df2, df3])
result - 2.1.2 設定特定的鍵（key）
有時候我們需要區分合并之後的DataFrame裡， 哪些資料是來自df1的，哪些資料是來自df2的。這個時候我們可以給它們設定一個特定的鍵（key）， 相當于給它們起個名字， 這樣我們就可以把它們區分開來了。
# 為每個子DataFrame設定一個特定的鍵（key）
result = pd.concat([df1, df2], keys=['df1', 'df2'])
result 可以看到， 在合并後的DataFrame裡， 我們用key把每個子DataFrame的資料辨別了出來。
我們可以通過下面的方式取用某個子DataFrame的資料：
result.loc['df1'] - 2.1.3 橫向合并兩個DataFrame
預設情況下， concat()縱向合并兩個子DataFrame， 但通過設定axis=1參數之後， 我們也可以橫向合并兩個DataFrame。
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df1 # 準備一組新的資料df4
df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
'D': ['D2', 'D3', 'D6', 'D7'],
'F': ['F2', 'F3', 'F6', 'F7']},
index=[2, 3, 6, 7])
df4 result = pd.concat([df1, df4], axis=1)
result 從上面的結果可以看到， 設定了axis=1之後， df1和df4兩個DataFrame橫向地結合在了一起。兩個DataFrame有着相同index的行連成了一行， index不相同的行各自占一行的内容。
如果隻想保留有着相同index的行， 可以添加上join=‘inner’參數：
result = pd.concat([df1, df4], axis=1, join='inner')
result 如果想保留某個子DataFrame的index所在的行， 比如df1中index為0-3的行， 可以加上join_axes=[df1.index]參數：
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])
result 2.2 append()
- 2.2.1 連接配接多個DataFrame
和concat()一樣， append()也可以一次性連接配接3個或者3個以上的DataFrame：
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df1 df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df2merge() df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
'B': ['B8', 'B9', 'B10', 'B11'],
'C': ['C8', 'C9', 'C10', 'C11'],
'D': ['D8', 'D9', 'D10', 'D11']})
df3 result = df1.append([df2, df3])
result 2.3 merge()
- 2.3.1 指定兩個列名連接配接DataFrame
我們可以在on參數裡指定兩個或者兩個以上的列名對DataFrame進行連接配接:
left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
left right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
right result = pd.merge(left, right, on=['key1', 'key2'])
result 在上面的例子裡， 我們在on參數裡設定了key1， key2兩個值， 于是在連接配接left和right兩個DataFrame的時候， 會把key1, key2都相等的行連在一起， 而key1, key2不完全相等的行則會被舍棄掉。
- 2.3.2 merge()的四種連接配接方式
merge()的how參數可以設定DataFrame的四種連接配接方式：左連接配接(left), 右連接配接(right), 外連接配接(outer), 内連接配接(inner)。
内連接配接(inner)是merge()的預設連接配接方式， 當how中不設定任何參數的時候， merge()用的是内連接配接(inner)方式。 也就是我們在上面的例子中所看到的， key值不完全相同的行便不會顯示在最終的結果裡 :
left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
left right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
right result = pd.merge(left, right, on=['key1', 'key2'],
how='inner')
result 外連接配接(outer)則會保留兩個DataFrame中所有的行：
result = pd.merge(left, right, on=['key1', 'key2'],
how='outer')
result 左連接配接(left)則會保留左邊的子DataFrame中所有的行：
result = pd.merge(left, right, on=['key1', 'key2'],
how='left')
result 右連接配接(right)則會保留右邊的子DataFrame中所有的行：
result = pd.merge(left, right, on=['key1', 'key2'],
how='right')
result 以上便是本篇文章的内容。
參考資料：
https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html