python数据分析:详解数据框的合并
off999 2024-12-17 15:42 22 浏览 0 评论
不知道大家有没有分析过Kaggle的数据或者参加过Kaggle的挑战,里面的数据都分布在几个不同的数据集中,合并数据在所难免。今天给大家详细总结一波pandas中数据框合并和连接的方法。建议收藏,哈哈。
生成练习用的数据框
首先我们先用如下代码生成3个数据框,作为演示讲解之用。
df1 =pd.DataFrame({
'id': ['1', '2', '3', '4', '5'],
'Feature1': ['A', 'C', 'E', 'G', 'I'],
'Feature2': ['B', 'D', 'F', 'H', 'J']})
df2 =pd.DataFrame({
'id': ['1', '2', '6', '7', '8'],
'Feature1': ['K', 'M', 'O', 'Q', 'S'],
'Feature2': ['L', 'N', 'P', 'R', 'T']})
df3 = pd.DataFrame({
'id': ['1', '2', '3', '4', '5', '7', '8', '9', '10', '11'],
'Feature3': [12, 13, 14, 15, 16, 17, 15, 12, 13, 23]})
得到3个数据框,如下:
连接数据框Concatenate DataFrames
如果只是简单的连接两个数据框的行的话,直接调用concat()方法即可
df_row = pd.concat([df1, df2])
df_row
可以看到,数据框df1和df2就以行连接在一起了,但是你注意到没,此时数据框的索引有问题,我们想要的索引应该自动给我们填好才对,这个时候我们需要将ignore_index参数设置为True。
df_row = pd.concat([df1, df2], ignore_index=True)
这个时候索引就正确了。
有时候,你虽然连接了2个数据框,但是你还是想知道新数据框的数据分别来自哪个数据框,这个时候调用keys参数就可以,例如,我们在上面的例子中将来自df1的数据和df2的数据分别加上标签x,y。
df_keys = pd.concat([df1,df2], keys=['x', 'y'])
df_keys
可以看到,新数据框中哪些数据来自于哪个数据框一目了然。
同时,给新的数据框加上标签也有助于我们在新数据中切片出旧的数据框,例如
df_keys.loc['y']
通过以上代码,很容易在新数据框中切片出了df2。
在连接数据框时还有一个技巧,就是将数据框以字典值的形式传递给 concat(),可以在连接的新数据框中自动加上标签,这个标签就是字典的键。看下例:
df_piece = pd.concat({'第一个框':df1,'第二个框':df2})
df_piece
有没有很好使?
concat()函数也可以横向连接数据框,只需要将axis设置为1即可
df_col = pd.concat([df1,df2], axis=1)
df_col
可以看到这个就是横向连接。
合并数据框Merge DataFrames
我们看一下如何将df_row(由df1和df2连接后得到,见之前的例子)和df3以共同的id为基础合并起来。
df_merge_col = pd.merge(df_row, df3, on='id')
df_merge_col
此时,我们注意到id等于1的行出现了2次,是因为在df_row中是有2个id等于1的,而在df3中id等于1只有一次,所以合并后的feature3都是12。
还有一种情况是你要合并的2个数据框没有一样名字的列,需要你指定,这个时候就要用到left_on,right_on参数了。
df_merge_difkey = pd.merge(df_row, df3, left_on='id', right_on='id')
df_merge_difkey
此例中我们左右数据框都指定以id为基础进行合并。
还有一种情况是,你想给原先的数据框加一行新数据,看下例:
add_row = pd.Series(['10', 'X1', 'X2', 'X3'],
index=['id','Feature1', 'Feature2', 'Feature3'])
df_add_row = df_merge_col.append(add_row, ignore_index=True)
df_add_row
可以看到,通过append可以给一个数据框加上一个新的series。
不同的合并逻辑Outer,Inner,Right,Left与index
Outer合并会将两个数据库的所有数据都合并,相当于取原来数据库的并集形成一个新的数据库。
df_outer = pd.merge(df1, df2, on='id', how='outer')
df_outer
可以看到,这种合并方法,生成的新数据集中会有很多NaN的值,还有,需要注意的是这种方法会自动将相同列名加上后缀,而且这个后缀是可以改的,看下例:
df_suffix = pd.merge(df1, df2, left_on='id',right_on='id',how='outer',suffixes=('_left','_right'))
df_suffix
可以看到suffixes参数可以修改后缀。
Inner合并生成的新数据集中只会有原来2个数据集中都有的数据,相当于取了两个数据框的交集。
df_inner = pd.merge(df1, df2, on='id', how='inner')
df_inner
相应的,Right,和Left就是分别以第二个和第一个数据框中的变量为基准进行数据框的合并,大家也可以试试。有时候,我们会根据2个数据框的index来合并,此时,只需要将right_index,left_index两个参数设置为True即可。看下面例子:
df_index = pd.merge(df1, df2, right_index=True, left_index=True)
df_index
结论
好了,今天给大家介绍了concat() 和 merge()合并数据框的用法,希望对大家有帮助。感谢大家耐心看完。发表这些东西的主要目的就是督促自己,希望大家关注评论指出不足,一起进步。内容我都会写的很细,用到的数据集也会在原文中给出链接,你只要按照文章中的代码自己也可以做出一样的结果,一个目的就是零基础也能懂,因为自己就是什么基础没有从零学Python的,加油。
(站外链接发不了,请关注后私信回复“数据链接”获取本头条号所有使用数据)
往期精彩:
相关推荐
- 让 Python 代码飙升330倍:从入门到精通的四种性能优化实践
-
花下猫语:性能优化是每个程序员的必修课,但你是否想过,除了更换算法,还有哪些“大招”?这篇文章堪称典范,它将一个普通的函数,通过四套组合拳,硬生生把性能提升了330倍!作者不仅展示了“术”,更传授...
- 7 段不到 50 行的 Python 脚本,解决 7 个真实麻烦:代码、场景与可复制
-
“本文整理自开发者AbdurRahman在Stackademic的真实记录,所有代码均经过最小化删减,确保在50行内即可运行。每段脚本都对应一个日常场景,拿来即用,无需额外依赖。一、在朋...
- Python3.14:终于摆脱了GIL的限制
-
前言Python中最遭人诟病的设计之一就是GIL。GIL(全局解释器锁)是CPython的一个互斥锁,确保任何时刻只有一个线程可以执行Python字节码,这样可以避免多个线程同时操作内部数据结...
- Python Web开发实战:3小时从零搭建个人博客
-
一、为什么选Python做Web开发?Python在Web领域的优势很突出:o开发快:Django、Flask这些框架把常用功能都封装好了,不用重复写代码,能快速把想法变成能用的产品o需求多:行业...
- 图解Python编程:从入门到精通系列教程(附全套速查表)
-
引言本系列教程展开讲解Python编程语言,Python是一门开源免费、通用型的脚本编程语言,它上手简单,功能强大,它也是互联网最热门的编程语言之一。Python生态丰富,库(模块)极其丰富,这使...
- Python 并发编程实战:从基础到实战应用
-
并发编程是提升Python程序效率的关键技能,尤其在处理多任务场景时作用显著。本文将系统介绍Python中主流的并发实现方式,帮助你根据场景选择最优方案。一、多线程编程(threading)核...
- 吴恩达亲自授课,适合初学者的Python编程课程上线
-
吴恩达教授开新课了,还是亲自授课!今天,人工智能著名学者、斯坦福大学教授吴恩达在社交平台X上发帖介绍了一门新课程——AIPythonforBeginners,旨在从头开始讲授Python...
- Python GUI 编程:tkinter 初学者入门指南——Ttk 小部件
-
在本文中,将介绍Tkinter.ttk主题小部件,是常规Tkinter小部件的升级版本。Tkinter有两种小部件:经典小部件、主题小部件。Tkinter于1991年推出了经典小部件,...
- Python turtle模块编程实践教程
-
一、模块概述与核心概念1.1turtle模块简介定义:turtle是Python标准库中的2D绘图模块,基于Logo语言的海龟绘图理念实现。核心原理:坐标系系统:原点(0,0)位于画布中心X轴:向右...
- Python 中的asyncio 编程入门示例-1
-
Python的asyncio库是用于编写并发代码的,它使用async/await语法。它为编写异步程序提供了基础,通过非阻塞调用高效处理I/O密集型操作,适用于涉及网络连接、文件I/O...
- 30天学会Python,开启编程新世界
-
在当今这个数字化无处不在的时代,Python凭借其精炼的语法架构、卓越的性能以及多元化的应用领域,稳坐编程语言排行榜的前列。无论是投身于数据分析、人工智能的探索,还是Web开发的构建,亦或是自动化办公...
- Python基础知识(IO编程)
-
1.文件读写读写文件是Python语言最常见的IO操作。通过数据盘读写文件的功能都是由操作系统提供的,读写文件就是请求操作系统打开一个文件对象(通常称为文件描述符),然后,通过操作系统提供的接口从这个...
- Python零基础到精通,这8个入门技巧让你少走弯路,7天速通编程!
-
Python学习就像玩积木,从最基础的块开始,一步步搭建出复杂的作品。我记得刚开始学Python时也是一头雾水,走了不少弯路。现在回头看,其实掌握几个核心概念,就能快速入门这门编程语言。来聊聊怎么用最...
- 一文带你了解Python Socket 编程
-
大家好,我是皮皮。前言Socket又称为套接字,它是所有网络通信的基础。网络通信其实就是进程间的通信,Socket主要是使用IP地址,协议,端口号来标识一个进程。端口号的范围为0~65535(用户端口...
- Python-面向对象编程入门
-
面向对象编程是一种非常流行的编程范式(programmingparadigm),所谓编程范式就是程序设计的方法论,简单的说就是程序员对程序的认知和理解以及他们编写代码的方式。类和对象面向对象编程:把...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)