学习笔记9—python数据表的合并(join(), merge()和concat())

merage#

pandas提供了一个类似于关系数据库的连接(join)操作的方法<Strong>merage</Strong>,可以根据一个或多个键将不同DataFrame中的行连接起来，语法如下：

1 2 3

merge(left, right, how='inner', on=None, left_on=None, right_on=None,       left_index=False, right_index=False, sort=True,       suffixes=('_x', '_y'), copy=True, indicator=False)

作为一个功能完善、强大的语言，python的pandas库中的merge()支持各种内外连接。

• left与right：两个不同的DataFrame
• how：指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
• on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中，如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
• left_on：左则DataFrame中用作连接键的列名;这个参数中左右列名不相同，但代表的含义相同时非常有用。
• right_on：右则DataFrame中用作 连接键的列名
• left_index：使用左则DataFrame中的行索引做为连接键
• right_index：使用右则DataFrame中的行索引做为连接键
• sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
• suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x','_y')
• copy：默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能
• indicator：在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)

sql中的

1 2 3 4 5 6 7

SELECT * FROM df1 INNER JOIN df2   ON df1.key = df2.key; 或 SELECT * FROM df1,df2 where df1.key=df2.key

pandas中用：

1	pd.merge(df1, df2, on='key')

然后就是各种外连接了：

1	pd.merge(df1, df2, on='key', how='left')

how变成left/right。全链接outer。

示例##

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

#coding=utf-8 from pandas import Series,DataFrame,merge import numpy as np data=DataFrame([{"id":0,"name":'lxh',"age":20,"cp":'lm'},{"id":1,"name":'xiao',"age":40,"cp":'ly'},{"id":2,"name":'hua',"age":4,"cp":'yry'},{"id":3,"name":'be',"age":70,"cp":'old'}]) data1=DataFrame([{"id":100,"name":'lxh','cs':10},{"id":101,"name":'xiao','cs':40},{"id":102,"name":'hua2','cs':50}]) data2=DataFrame([{"id":0,"name":'lxh','cs':10},{"id":101,"name":'xiao','cs':40},{"id":102,"name":'hua2','cs':50}])   print "单个列名做为内链接的连接键\r\n",merge(data,data1,on="name",suffixes=('_a','_b')) print "多列名做为内链接的连接键\r\n",merge(data,data2,on=("name","id")) print '不指定on则以两个DataFrame的列名交集做为连接键\r\n',merge(data,data2) #这里使用了id与name   #使用右边的DataFrame的行索引做为连接键 ##设置行索引名称 indexed_data1=data1.set_index("name") print "使用右边的DataFrame的行索引做为连接键\r\n",merge(data,indexed_data1,left_on='name',right_index=True)     print '左外连接\r\n',merge(data,data1,on="name",how="left",suffixes=('_a','_b')) print '左外连接1\r\n',merge(data1,data,on="name",how="left") print '右外连接\r\n',merge(data,data1,on="name",how="right") data3=DataFrame([{"mid":0,"mname":'lxh','cs':10},{"mid":101,"mname":'xiao','cs':40},{"mid":102,"mname":'hua2','cs':50}])   #当左右两个DataFrame的列名不同，当又想做为连接键时可以使用left_on与right_on来指定连接键 print "使用left_on与right_on来指定列名字不同的连接键\r\n",merge(data,data3,left_on=["name","id"],right_on=["mname","mid"])


输出为：


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

单个列名做为内链接的连接键    age  cp  id_a  name  cs  id_b 0   20  lm     0   lxh  10   100 1   40  ly     1  xiao  40   101 多列名做为内链接的连接键    age  cp  id name  cs 0   20  lm   0  lxh  10 不指定on则以两个DataFrame的列名交集做为连接键    age  cp  id name  cs 0   20  lm   0  lxh  10 使用右边的DataFrame的行索引做为连接键    age  cp  id_x  name  cs  id_y 0   20  lm     0   lxh  10   100 1   40  ly     1  xiao  40   101 左外连接    age   cp  id_a  name  cs  id_b 0   20   lm     0   lxh  10   100 1   40   ly     1  xiao  40   101 2    4  yry     2   hua NaN   NaN 3   70  old     3    be NaN   NaN 左外连接1    cs  id_x  name  age   cp  id_y 0  10   100   lxh   20   lm     0 1  40   101  xiao   40   ly     1 2  50   102  hua2  NaN  NaN   NaN 右外连接    age   cp  id_x  name  cs  id_y 0   20   lm     0   lxh  10   100 1   40   ly     1  xiao  40   101 2  NaN  NaN   NaN  hua2  50   102 使用left_on与right_on来指定列名字不同的连接键    age  cp  id name  cs  mid mname 0   20  lm   0  lxh  10    0   lxh

join方法提供了一个简便的方法用于将两个DataFrame中的不同的列索引合并成为一个DataFrame。

其中参数的意义与merge方法基本相同,只是join方法默认为左外连接how=left。

示例：

1 2 3 4 5 6 7 8 9 10

#coding=utf-8 from pandas import Series,DataFrame,merge   data=DataFrame([{"id":0,"name":'lxh',"age":20,"cp":'lm'},{"id":1,"name":'xiao',"age":40,"cp":'ly'},{"id":2,"name":'hua',"age":4,"cp":'yry'},{"id":3,"name":'be',"age":70,"cp":'old'}],index=['a','b','c','d']) data1=DataFrame([{"sex":0},{"sex":1},{"sex":2}],index=['a','b','e'])   print '使用默认的左连接\r\n',data.join(data1)  #这里可以看出自动屏蔽了data中没有的index=e 那一行的数据 print '使用右连接\r\n',data.join(data1,how="right") #这里出自动屏蔽了data1中没有index=c,d的那行数据；等价于data1.join(data) print '使用内连接\r\n',data.join(data1,how='inner') print '使用全外连接\r\n',data.join(data1,how='outer')

结果为：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

使用默认的左连接    age   cp  id  name  sex a   20   lm   0   lxh    0 b   40   ly   1  xiao    1 c    4  yry   2   hua  NaN d   70  old   3    be  NaN 使用右连接    age   cp  id  name  sex a   20   lm   0   lxh    0 b   40   ly   1  xiao    1 e  NaN  NaN NaN   NaN    2 使用内连接    age  cp  id  name  sex a   20  lm   0   lxh    0 b   40  ly   1  xiao    1 使用全外连接    age   cp  id  name  sex a   20   lm   0   lxh    0 b   40   ly   1  xiao    1 c    4  yry   2   hua  NaN d   70  old   3    be  NaN e  NaN  NaN NaN   NaN    2

还有一种连接方式：concat

concat方法相当于数据库中的全连接(UNION ALL),可以指定按某个轴进行连接,也可以指定连接的方式join(outer,inner 只有这两种)。

与数据库不同的是concat不会去重，要达到去重的效果可以使用drop_duplicates方法

1 2	concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,            keys=None, levels=None, names=None, verify_integrity=False, copy=True):

示例：

1 2 3 4 5 6 7 8

#coding=utf-8 from pandas import Series,DataFrame,concat   df1 = DataFrame({'city': ['Chicago', 'San Francisco', 'New York City'], 'rank': range(1, 4)}) df2 = DataFrame({'city': ['Chicago', 'Boston', 'Los Angeles'], 'rank': [1, 4, 5]}) print '按轴进行内连接\r\n',concat([df1,df2],join="inner",axis=1) print '进行外连接并指定keys(行索引)\r\n',concat([df1,df2],keys=['a','b']) #这里有重复的数据 print '去重后\r\n',concat([df1,df2],ignore_index=True).drop_duplicates()

输出结果为：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

按轴进行内连接             city  rank         city  rank 0        Chicago     1      Chicago     1 1  San Francisco     2       Boston     4 2  New York City     3  Los Angeles     5 进行外连接并指定keys(行索引)               city  rank a 0        Chicago     1   1  San Francisco     2   2  New York City     3 b 0        Chicago     1   1         Boston     4   2    Los Angeles     5 去重后             city  rank 0        Chicago     1 1  San Francisco     2 2  New York City     3 4         Boston     4 5    Los Angeles     5