📅  最后修改于: 2023-12-03 15:12:56.607000             🧑  作者: Mango
在进行数据分析的过程中,经常需要将多个不同的数据源进行合并,以得到更全面、准确的结论。本文将介绍Python中的多种数据合并方式,包括:
concat()函数是pandas库中的一个函数,用于将多个数据集按行或列方向进行合并。
示例代码:
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df3 = pd.concat([df1, df2])
print(df3)
Output:
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
0 A4 B4 C4 D4
1 A5 B5 C5 D5
2 A6 B6 C6 D6
3 A7 B7 C7 D7
将df1和df2按行方向(即axis=0)进行合并,得到了一个8行4列的数据集。
merge()函数用于将两个数据集按指定的列进行合并。
示例代码:
import pandas as pd
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df3 = pd.merge(df1, df2, on='key')
print(df3)
Output:
key A B C D
0 K0 A0 B0 C0 D0
1 K1 A1 B1 C1 D1
2 K2 A2 B2 C2 D2
3 K3 A3 B3 C3 D3
将df1和df2按key列进行合并,得到了一个4行5列的数据集。
join()函数是pandas中的一个函数,用于将两个数据集按索引进行合并。
示例代码:
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']},
index=['K0', 'K1', 'K2', 'K3'])
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']},
index=['K0', 'K1', 'K2', 'K3'])
df3 = df1.join(df2)
print(df3)
Output:
A B C D
K0 A0 B0 C0 D0
K1 A1 B1 C1 D1
K2 A2 B2 C2 D2
K3 A3 B3 C3 D3
将df1和df2按索引进行合并,得到了一个4行4列的数据集。
综上所述,数据合并是数据分析中非常重要的一步,Python中的pandas库提供了多种数据合并方式供我们使用。