Python数据科学手册-Pandas:合并数据集

将不同的数据源进行合并 ， 类似数据库 join merge .

工具函数

concat / append

pd.concat() 简易合并

• 合并高维数据
  
  

默认按行合并。 axis=0 ,试试 axis = 1

索引重复

结果中，索引是重复的。 这可能并不是我们想要的结果。

1）捕捉索引重复的错误。 verify_integrity=True

忽略索引 ignore_index=True, 会新建索引。

增加多级索引，通过keys参数为 数据源设置多级索引标签。

类似join的合并

当数据源 带有 不同的 列名 。

位置上缺失的参数会用NaN表示。可以使用join 和 join_axes(老版本）参数设置合并方式。

默认的合并方式是对所有输入列进行并集合并：join = outer .

对输入列进行交集合并： join = inner

另一种，直接确定结果使用的列名。老版本是由join_axes参数。新版本使用merge方法了。

append方法

合并与连接

关系代数

pd.merge()实现的功能基于关系代数。 relational algebra ，关系代数式处理关系数据的通用理论。

数据连接的三种类型

• 一对一连接
  
  
  
  俩个df都有employee列，自动以这列作为键 进行连接。

• 多对一连接
  
  有一列的值有重复。 会保留重复值。
  
  

• 多对多连接
  
  共同列 都有重复值 。
  
  

设置数据合并的键

参数on。 设置为一个列名字符串，或者包含列名称 的列表，俩个数据源有共同的列名

left_on 与 right_on 。俩个数据源的列名不同。

获取到的结果有多余的列。使用drop()方法将这列去掉。

left_index 与 right_index。 合并索引 。

简单的方法，join（）方法按照索引进行合并。

索引与列混合使用。

设置数据连接的集合操作规则

默认是内连接 inner join. 取共同列的交集。

内连接 inner join

外连接 outer join

左连接 left join

右连接 right join

数据源有多个 重复的列名。

默认自动会增加后缀。



使用suffixex参数