5.9 高级处理-合并

学习目标

• 目标
  • 应用pd.concat实现数据的合并
  • 应用pd.merge实现数据的合并

如果你的数据由多张表组成，那么有时候需要将不同的内容合并在一起分析

1 pd.concat实现数据合并

• pd.concat([data1, data2], axis=1)
  • 按照行或列进行合并,axis=0为列索引，axis=1为行索引

比如我们将刚才处理好的one-hot编码与原数据合并

# 按照行索引进行
pd.concat([data, dummies], axis=1)

2 pd.merge

• pd.merge(left, right, how=’inner’, on=None)
  • 可以指定按照两组数据的共同键值对合并或者左右各自
  • left: DataFrame
  • right: 另一个DataFrame
  • on: 指定的共同键
  • how:按照什么方式连接 | Merge method | SQL Join Name | Description | | —- | —- | —- | | left | LEFT OUTER JOIN | Use keys from left frame only | | right | RIGHT OUTER JOIN | Use keys from right frame only | | outer | FULL OUTER JOIN | Use union of keys from both frames | | inner | INNER JOIN | Use intersection of keys from both frames |

2.1 pd.merge合并

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
                        'key2': ['K0', 'K1', 'K0', 'K1'],
                        'A': ['A0', 'A1', 'A2', 'A3'],
                        'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
                        'key2': ['K0', 'K0', 'K0', 'K0'],
                        'C': ['C0', 'C1', 'C2', 'C3'],
                        'D': ['D0', 'D1', 'D2', 'D3']})
# 默认内连接
result = pd.merge(left, right, on=['key1', 'key2'])

• 左连接

  result = pd.merge(left, right, how='left', on=['key1', 'key2'])

  

• 右连接

  result = pd.merge(left, right, how='right', on=['key1', 'key2'])

  

• 外链接

  result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

  

  3 总结

• pd.concat([数据1, 数据2], axis=**)【知道】

• pd.merge(left, right, how=, on=)【知道】
  • how — 以何种方式连接
  • on — 连接的键的依据是哪几个