pandas 的拼接merge和concat函数小结

pandas中数据的合并方案主要有concat,merge,join等函数。

• 其中concat主要是根据索引进行行或列的拼接，只能取行或列的交集或并集。
• merge主要是根据共同列或者索引进行合并，可以取内连接，左连接、右连接、外连接等。
• join的功能跟merge类似，因此不再赘述。

import pandas as pd
from pandas import Series,DataFrame
# 定义一个函数，根据行和列名对元素设置值
def make_df(cols,inds):
    data = {c:[c+str(i) for i in inds] for c in cols}
    return DataFrame(data,index=inds)

df1 = make_df(list("abc"),[1,2,4])
df1

	a	b	c
1	a1	b1	c1
2	a2	b2	c2
4	a4	b4	c4

df2 = make_df(list("abcd"),[2,4,6])
df2

	a	b	c	d
2	a2	b2	c2	d2
4	a4	b4	c4	d4
6	a6	b6	c6	d6

df11=df1.set_index('a')
df22=df2.set_index('a')

1. concat函数

• axis :默认为0，为按行拼接；1 为按列拼接
• ignore_index: 默认为False,会根据索引进行拼接；True 则会忽略原有索引，重建新索引
• join: 为拼接方式，包括 inner,outer
• sort: True 表示按索引排序

(1) 简单的按索引的行列拼接

# 按行拼接
pd.concat([df1,df2],sort=False)

	a	b	c	d
1	a1	b1	c1	NaN
2	a2	b2	c2	NaN
4	a4	b4	c4	NaN
2	a2	b2	c2	d2
5	a5	b5	c5	d5
6	a6	b6	c6	d6

# 按列拼接
pd.concat([df1,df2],axis=1)

	a	b	c	a	b	c	d
1	a1	b1	c1	NaN	NaN	NaN	NaN
2	a2	b2	c2	a2	b2	c2	d2
4	a4	b4	c4	NaN	NaN	NaN	NaN
5	NaN	NaN	NaN	a5	b5	c5	d5
6	NaN	NaN	NaN	a6	b6	c6	d6

(2）去掉原索引的拼接

# 按行拼接，去掉原来的行索引重新索引
pd.concat([df1,df2],sort=False,ignore_index=True)

	a	b	c	d
0	a1	b1	c1	NaN
1	a2	b2	c2	NaN
2	a4	b4	c4	NaN
3	a2	b2	c2	d2
4	a5	b5	c5	d5
5	a6	b6	c6	d6

# 按列拼接，去掉原来的列索引重新索引
pd.concat([df1,df2],axis=1,ignore_index=True)

	0	1	2	3	4	5	6
1	a1	b1	c1	NaN	NaN	NaN	NaN
2	a2	b2	c2	a2	b2	c2	d2
4	a4	b4	c4	NaN	NaN	NaN	NaN
5	NaN	NaN	NaN	a5	b5	c5	d5
6	NaN	NaN	NaN	a6	b6	c6	d6

(3)指定连接方式的拼接

• 拼接方式有 inner,outer

# 交集,inner join
pd.concat([df1,df2],sort=False,join='inner')

	a	b	c
1	a1	b1	c1
2	a2	b2	c2
4	a4	b4	c4
2	a2	b2	c2
5	a5	b5	c5
6	a6	b6	c6

# 并集,outer join
pd.concat([df1,df2],sort=False,join='outer')

	a	b	c	d
1	a1	b1	c1	NaN
2	a2	b2	c2	NaN
4	a4	b4	c4	NaN
2	a2	b2	c2	d2
5	a5	b5	c5	d5
6	a6	b6	c6	d6

2.merge函数

• how：数据合并的方式。left：基于左dataframe列的数据合并；right：基于右dataframe列的数据合并；outer：基于列的数据外合并（取并集）；inner：基于列的数据内合并（取交集）；默认为'inner'。
• on：基于相同列的合并
• left_on/right_on：左/右dataframe合并的列名。
• left_index/right_index：是否以index作为数据合并的列名，True表示是。可与left_on/right_on合并使用
• sort：根据dataframe合并的keys排序，默认是。
• suffixes：若有相同列且该列没有作为合并的列，可通过suffixes设置该列的后缀名，一般为元组和列表类型。

(1) 基于相同列的合并

df3 = pd.merge(df1,df2,how='inner',on='a')        # 基于单列的合并
df4 = pd.merge(df1,df2,how='inner',on=['a','b'])  # 基于多列的合并
df5 = pd.merge(df1,df2,how='left',on='a',suffixes=['_1','_2']) # 左连接,且指定后缀
df5

	a	b_1	c_1	b_2	c_2	d
0	a1	b1	c1	NaN	NaN	NaN
1	a2	b2	c2	b2	c2	d2
2	a4	b4	c4	b4	c4	d4

(2) 基于不同列名，或者列和索引，或者索引和索引间的合并

df6 = pd.merge(df1,df2,how='inner',left_on='a',right_on='b')             # 基于不同列名
df7 = pd.merge(df1,df22,how='inner',left_on='a',right_index=True)        #基于列和索引
df8 = pd.merge(df1,df2,how='inner',left_index=True,right_index=True)    #基于两边都是索引
df8

	a_x	b_x	c_x	a_y	b_y	c_y	d
2	a2	b2	c2	a2	b2	c2	d2
4	a4	b4	c4	a4	b4	c4	d4