zoukankan      html  css  js  c++  java
  • python---pandas.merge使用

    pandas. merge 函数参数

    ”’
    merge: 合并数据集, 通过left, right确定连接字段,默认是两个数据集相同的字段
    参数 说明
    left 参与合并的左侧DataFrame
    right 参与合并的右侧DataFrame
    how 连接方式:‘inner’(默认);还有,‘outer’、‘left’、‘right’
    on 用于连接的列名,必须同时存在于左右两个DataFrame对象中,如果位指定,则以left和right列名的交集作为连接键
    left_on 左侧DataFarme中用作连接键的列
    right_on 右侧DataFarme中用作连接键的列
    left_index 将左侧的行索引用作其连接键
    right_index 将右侧的行索引用作其连接键
    sort 根据连接键对合并后的数据进行排序,默认为True。有时在处理大数据集时,禁用该选项可获得更好的性能
    suffixes 字符串值元组,用于追加到重叠列名的末尾,默认为(‘_x’,‘_y’).例如,左右两个DataFrame对象都有‘data’,则结果中就会出现‘data_x’,‘data_y’
    copy 设置为False,可以在某些特殊情况下避免将数据复制到结果数据结构中。默认总是赋值
    ”’

    df1=pd.DataFrame({'name':['kate','herz','catherine','sally'],'age':[25,28,39,35]})
    print(df1)

     结果:

    1.merge默认按相同字段合并,且取两个都有的。

     import pandas as pd
     df1=pd.DataFrame({'name':['kate','herz','catherine','sally'],'age':[25,28,39,35]})
     
     df2=pd.DataFrame({'name':['kate','herz','sally'],'score':[70,60,90]})
     pd.merge(df1,df2)

    结果:

    2. 当左右连接字段不相同时,使用left_on,right_on,只显示左右连接字段相同的记录

    df1=pd.DataFrame({'name':['kate','herz','catherine','sally'],'age':[25,28,39,35]})
    df2=pd.DataFrame({'call_name':['kate','herz','sally'],'score':[70,60,90]})
    print(pd.merge(df1,df2,left_on="name",right_on="call_name"))

    结果:

    3. 合并后,,只显示左右连接字段相同的记录,并删除重复的列

     df1=pd.DataFrame({'name':['kate','herz','catherine','sally'],'age':[25,28,39,35]})
     df2=pd.DataFrame({'call_name':['kate','herz','sally'],'score':[70,60,90]})
     pd.merge(df1,df2,left_on='name',right_on='call_name').drop('name',axis=1)

    结果:

    4.参数how的使用

    “1)默认:inner 内连接,取交集”(和merge(df1,df2)效果一样)

    df1 = pd.DataFrame({'name': ['kate', 'herz', 'catherine', 'sally'], 'age': [25, 28, 39, 35]})
    df2 = pd.DataFrame({'name': ['kate', 'herz', 'sally'], 'score': [70, 60, 90]})
    pd.merge(df1,df2,on='name',how='inner')

    结果:


    “2)outer 外连接,取并集,并用NaN填充”

    df1 = pd.DataFrame({'name': ['kate', 'herz', 'catherine', 'sally'], 'age': [25, 28, 39, 35]})
    df3=pd.DataFrame({'name':['kate','herz','sally','cristin'],'score':[70,60,90,30]})
    print(pd.merge(df1,df3,on='name',how='outer'))

    结果:

    “3)left 左连接, 左侧取全部,右侧取部分”

    df1 = pd.DataFrame({'name': ['kate', 'herz', 'catherine', 'sally'], 'age': [25, 28, 39, 35]})
    df3=pd.DataFrame({'name':['kate','herz','sally','cristin'],'score':[70,60,90,30]})
    print(pd.merge(df1,df3,on='name',how='left'))

    结果:

    “4) right 有连接,左侧取部分,右侧取全部”

    df1 = pd.DataFrame({'name': ['kate', 'herz', 'catherine', 'sally'], 'age': [25, 28, 39, 35]})
    df3=pd.DataFrame({'name':['kate','herz','sally','cristin'],'score':[70,60,90,30]})
    print(pd.merge(df1,df3,on='name',how='right'))

    结果:

  • 相关阅读:
    互联网网站元素周期表
    键盘上每个键作用!!!
    推荐20个关于网站可用性及界面设计的网站
    教你用键盘打出各种符号以 “♡“ (完整版..还有其他符号)
    精选30个免费高品质PSD源文件(系列一)
    精选31个网站界面设计实践教程
    推荐20个让你学习并精通CSS的网站
    12种Javascript解决常见浏览器兼容问题的方法
    推荐3个网页设计在线配色网站
    转:推荐一个无缝背景花纹资源站AVA7 PATTERNS
  • 原文地址:https://www.cnblogs.com/lmh001/p/9960579.html
Copyright © 2011-2022 走看看