Pandas的瘋狂融合之路

作者：派森醬 2022-09-05 08:04:16

大數據數據分析

merge和concat?的表連接，都有各自的特點，我們需要按自己所需要的結果去用，想匹配內容的，就用merge?，想全部連接到一起的，就用concat。

大家好，我是派森醬。

文章內容只是用部分代碼來介紹功能的用法和最后的結果顯示，不是真的用幾個G的文件來展示，也展示不過來的。

熟悉了功能怎么用，就可以用自己的數據來操作了。

merge?可以匹配兩表的內容，但是merge?只能連接兩個表，不能多表連接，這次說說能用于多表連接的功能concat。

還是用上次的數據，這次多加了一個DataFrame，用于顯示結果。

初始化數據

python
import pandas as pd

df1 = pd.DataFrame({
    '姓名': ['張三', '李四', '王五', '劉六', '齊四'],
    '號碼': ['123', '456', '789', '987', '654']
})

df2 = pd.DataFrame({
    '姓名': ['張三', '張三', '張三', '李四', '李四', '李四', '李四', '王五', '王五', '劉玉', '胡軍', '劉玉', '劉六', '劉六', '劉六', '劉六', '劉克', '劉玉', '齊七', '齊七', '齊七', '齊七', '馮亮', '劉玉', '王云'],

    '號碼': ['123', '456', '789', '123', '123', '456', '456', '456', '456', '456', '741', '741', '741', '741', '741', '789', '789', '789', '789', '789', '852', '852', '852', '852', '852'],

    '日期': ['2022-03-13', '2022-03-06', '2022-01-30', '2022-01-04', '2022-02-26', '2022-03-26', '2022-03-06', '2022-01-30', '2022-01-29', '2022-03-13', '2022-03-06', '2022-02-19', '2022-02-04', '2022-03-10', '2022-04-19', '2022-03-10', '2022-01-29', '2022-02-19', '2022-03-06', '2022-03-26', '2022-01-04', '2022-02-04', '2022-04-19', '2022-02-26', '2022-03-06'],

    '方案': ['G1012', 'G1022', 'G1002', 'G1007', 'G1017', 'G1023', 'G1018', 'G1003', 'G1008', 'G1013', 'G1020', 'G1015', 'G1010', 'G1005', 'G1025', 'G1004', 'G1009', 'G1014', 'G1019', 'G1024', 'G1006', 'G1011', 'G1026', 'G1016', 'G1021']
})

df3 = pd.DataFrame({
    '姓名': ['張三', '李四', '王五', '劉六', '齊四'],
    '號碼': ['123', '456', '789', '987', '654'],
    '年齡': ['25', '36', '41', '12', '54']
})

用法

說明

concat?是一個軸向連接的功能，可以沿著一條軸將多個表對象堆疊到一起：how?的模式是outer

axis=0?是上下拼接，列重復的會自動合并，axis=1是左右拼接，行或索引重復的會自動合并

上下拼接

先連接兩個表:

df = pd.concat([df1, df2], axis=0)

輸出：

兩個表的重復列名自動合并了，缺失的值為NaN

連接三個表：

df = pd.concat([df1, df2, df3], axis=0)

輸出：

同時增加了另一個表的內容和增加了一列，缺失值同樣為NaN

左右拼接

直接拼接三個表：

df = pd.concat([df1, df2, df3], axis=1)

輸出：

這次是在右邊拼接的，行是按內容行最多的來算，其它的內容為空，列一直在增加，是把三個表的列都拼接上了。

總結

merge和concat?的表連接，都有各自的特點，我們需要按自己所需要的結果去用，想匹配內容的，就用merge?，想全部連接到一起的，就用concat。

責任編輯：武曉燕來源： Python技術

merge concat?pandas