📌  相关文章
📜  Python | 使用Panda合并，联接和连接DataFrame

📅  最后修改于: 2020-04-22 01:11:26             🧑  作者: Mango

数据帧是具有多个行和列的二维数据结构。在数据框中，数据仅以行和列的形式对齐。数据帧可以执行算术运算和条件运算。它的大小可变。
下面是使用Numpy和Pandas的实现。
所需模块：

import numpy as np
import pandas as pd

代码＃1： DataFrames串联
concat() 函数完成了沿一个轴执行串联操作的所有繁重工作，同时在其他轴上执行了索引(如果有)的可选设置逻辑(联合或相交)。

# Python程序使用Panda串联数据框
# 创建第一个数据框
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index = [0, 1, 2, 3])
# 创建第二个数据框
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                    index = [4, 5, 6, 7])
# 创建第三个数据框
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']},
                    index = [8, 9, 10, 11])
# 串联数据框
pd.concat([df1, df2, df3])

输出：

Concatenation


代码2： DataFrames合并
Pandas提供了一个单一的函数merge()，作为DataFrame对象之间所有标准数据库联接操作的入口。

# Python程序使用Panda合并数据框
# 数据框已创建
left = pd.DataFrame({'Key': ['K0', 'K1', 'K2', 'K3'],
                    'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'Key': ['K0', 'K1', 'K2', 'K3'],
                      'C': ['C0', 'C1', 'C2', 'C3'],
                      'D': ['D0', 'D1', 'D2', 'D3']})
# 合并数据框
pd.merge(left, right, how ='inner', on ='Key')

输出：
Merging


代码3： DataFrames连接

# Python程序使用Panda联接数据框
left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3']},
                    index = ['K0', 'K1', 'K2', 'K3'])
right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
                      'D': ['D0', 'D1', 'D2', 'D3']},
                      index = ['K0', 'K1', 'K2', 'K3'])
# 联接数据框
left.join(right)

输出：

Joining