Pandas-多表操作

Pandas包对多个数据表（DataFrame）的常用整合功能。

目录

• merge
• join
• concat
• append
• combin_first

---

merge 合并

• pandas.merge可根据一个或多个键将不同DataFrame中的行合并起来

• # 在未指定连接键的情况下，merge会将重叠列的列名当做键
  pd.merge(left, right)
  
  # 指定“on”作为连接键，left和right两个DataFrame必须同时存在“on”列，连接键也可N对N（少用）
  pd.merge(left, right, on="key")
  pd.merge(left, right, on=["key1", "key2"])
  
  # 指定left的连接键为“lkey”，right的连接键为“rkey”
  pd.merge(left,  right,  left_on="lkey",  right="rkey")
  
  # suffixes:用于追加到重叠列名的末尾，默认为("_x", "_y")
  pd.merge(left,  right,  on="key",  suffixes=("_left",  "_right"))
  
  # 指定连接方式：“inner”（默认），“left”，“right”，“outer”
  pd.merge(left, right, how="outer")

• 多对多连接产生的是行的笛卡尔积
• 常用方式：连接方式为“left”，right的连接键要唯一（去除重复值），通过right的数据补全left的数据

   索引上的合并（可用join代替，而且join更方便）

• 当DataFrame的连接键位于其索引中，可以使用 left_index=True 和 right_index=True

• # 索引和索引连接
  pd.merge(left,  right,  left_index=True,  right_index=True)
  
  # "key"和索引连接
  pd.merge(left,  right,  left_on="key",  right_index=True)
  
  # 层次化索引
  pd.merge(left,  right,  left_on=["key1", "key2"],  right_index=True)

join 连接

• DataFrame的join实例方法，是为了方便实现索引合并

• # 用left的索引和right的索引进行merge
  left.join(right)
  
  # 用left的索引和right的“key”进行merge
  left.join(right， on="key")
  
  # 层次化索引
  left.join(right， on=["key1", "key"])
  
  # join可以合并两张以上的表，而merge只能合并两张表
  left.join([right1, right2], how="outer")

concat  轴向连接

• pandas.concat可以沿着一条轴将多个表对象堆叠到一起：因为模式how模式是“outer”

• # 默认 axis=0 上下拼接，列column重复的会自动合并
  pd.concat([df1, df2], axis=0)
  
  # axis=1 左右拼接，行raw/index重复的会自动合并
  pd.concat([df1, df2], axis=1)
  
  # 忽略df1和df2原来的index，重新给新的DataFrame设置从0开始的index
  pd.concat([df1,df2],  ignore_index=True)

append

• 使用场景：表头一致的多张表，进行连接（上下连接）

  df1.append(df2).append(df3)

combin_first 数据填补

• 使用场景：有两张表left和right，一般要求它们的表格结构一致，数据量也一致，使用right的数据去填补left的数据缺漏
• 如果在同一位置left与right数据不一致，保留left的数据

  df1.combin_first(df2)