目录
第二章（pandas）
Python数据处理从零开始----第二章（pandas）①删除列
Python数据处理从零开始----第二章（pandas）②处理缺失数据
Python数据处理从零开始----第二章（pandas）③数据标准化（1）
Python数据处理从零开始----第二章（pandas）④数据合并和处理重复值
Python数据处理从零开始----第二章（pandas）⑤pandas与R
Python数据处理从零开始----第二章（pandas）⑥相关性分析
Python数据处理从零开始----第二章（pandas）⑦pandas读写csv文件(1)
Python数据处理从零开始----第二章（pandas）⑧pandas读写csv文件(2)
Python数据处理从零开始----第二章（pandas）⑧pandas读写csv文件(3)
Python数据处理从零开始----第二章（pandas）⑨pandas读写csv文件(4)
Python数据处理从零开始----第二章（pandas）（十）pandas合并数据
先介绍一下几种数据合并方式：左连接（left join）、右连接（right join）、内连接（inner join）、全连接（full join）。
- 左连接（left join）：以左边的表为基准表，将右边的数据合并过来。
- 右连接（right join）：以右边的表为基准表，将左边的数据合并过来。
- 内连接（inner join）：左边和右边都出现的数据才进行合并。
- 全连接（full join）：不管左边还是右边，只要出现的数据都合并过来。
以上的几种合并，都是按照姓名来合并的，两个表姓名一样，即将这条数据合并，这个姓名被称为键值，作用是是变量被用来作为合并参照。
一、横向合并
1. 基本合并语句
我有两个数据：
1.默认以两个数据框重叠的列名当做连接键。
In [16]: df1=DataFrame({'key':['a','b','b'],'data1':range(3)})
In [17]: df2=DataFrame({'key':['a','b','c'],'data2':range(3)})
In [18]: pd.merge(df1,df2) #没有指定连接键，默认用重叠列名，没有指定连接方式
Out[18]:
data1 key data2
0 0 a 0
1 1 b 1
2.默认做inner连接（根据键key的交集），连接方式还有（left,right,outer)，制定连接方式加参数：how=''
In [19]: pd.merge(df2,df1)
Out[19]:
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2
In [20]: pd.merge(df2,df1,how='left') #通过how，指定连接方式
Out[20]:
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2
3 2 c NaN
3.如果合并数据框时，需要根据多键连接，此时需要将连接键组成列表传入，例：pd.merge(df1,df2,on=['key1','key2']
In [23]: right=DataFrame({'key1':['foo','foo','bar','bar'],
...: 'key2':['one','one','one','two'],
...: 'lval':[4,5,6,7]})
In [24]: left=DataFrame({'key1':['foo','foo','bar'],
...: 'key2':['one','two','one'],
...: 'lval':[1,2,3]})
In [25]: right=DataFrame({'key1':['foo','foo','bar','bar'],
...: 'key2':['one','one','one','two'],
...: 'lval':[4,5,6,7]})
In [26]: pd.merge(left,right,on=['key1','key2'],how='outer') #传出数组
Out[26]:
key1 key2 lval_x lval_y
0 foo one 1 4
1 foo one 1 5
2 foo two 2 NaN
3 bar one 3 6
4 bar two NaN 7
4.如果用于合并的两个数据框的列名不同，可以分别指定，例：pd.merge(df1,df2,left_on='lkey',right_on='rkey')
In [31]: df3=DataFrame({'key3':['foo','foo','bar','bar'], #将上面的right的key 改了名字
...: 'key4':['one','one','one','two'],
...: 'lval':[4,5,6,7]})
In [32]: pd.merge(left,df3,left_on='key1',right_on='key3') #键名不同的连接
Out[32]:
key1 key2 lval_x key3 key4 lval_y
0 foo one 1 foo one 4
1 foo one 1 foo one 5
2 foo two 2 foo one 4
3 foo two 2 foo one 5
4 bar one 3 bar one 6
5 bar one 3 bar two 7
如果需要合并的两个数据框，一个是其中一列，一个是数据框的index，则使用 left_index=True 或 right_index=True，来声明某个数据的索引应该被当做键值，基本语句为：merge(D1, D2, left_on='id', right_index=True)
二、纵向堆叠
第一部分的内容学习的是将两个数据横向的合并，现在学习纵向合并——也叫做堆叠。比如，我们想象之前的会员数据，被分成了两个部分：
concat 可以沿着一条轴将多个对象堆叠到一起
concat方法相当于数据库中的全连接,可以指定按某个轴进行连接,也可以指定连接的方式join(outer,inner 只有这两种)。与数据库不同的时concat不会去重，要达到去重的效果可以使用drop_duplicates方法
concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False, copy=True):
轴向连接 pd.concat() 就是单纯地把两个表拼在一起，这个过程也被称作连接（concatenation）、绑定（binding）或堆叠（stacking）。因此可以想见，这个函数的关键参数应该是 axis，用于指定连接的轴向。
在默认的 axis=0 情况下，pd.concat([obj1,obj2]) 函数的效果与 obj1.append(obj2) 是相同的；而在 axis=1 的情况下，pd.concat([df1,df2],axis=1) 的效果与pd.merge (df1,df2, left_index=True,right_index=True,how='outer') 是相同的。可以理解为 concat 函数使用索引作为“key”。
本函数的全部参数为：
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False)。
- objs 就是需要连接的对象集合，一般是列表或字典；
- axis=0 是连接轴向join='outer' 参数作用于当另一条轴的 index 不重叠的时候，只有 'inner' 和 'outer' 可选（顺带展示 ignore_index=True 的用法）
concat 一些特点：
1.作用于Series时，如果在axis=0时，类似union。axis=1 时，组成一个DataFrame，索引是union后的，列是类似join后的结果。
2.通过参数join_axes=[] 指定自定义索引。
3.通过参数keys=[] 创建层次化索引
4.通过参数ignore_index=True 重建索引。
In [5]: df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])
In [6]: df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])
In [7]: pd.concat([df1,df2])
Out[7]:
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
0 -0.316156 -0.707832 NaN -0.416589
1 0.406830 1.345932 NaN -1.874817
In [8]: pd.concat([df1,df2],ignore_index=True)
Out[8]:
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
3 -0.316156 -0.707832 NaN -0.416589
4 0.406830 1.345932 NaN -1.874817
仍然可以用 keys=[] 来标识出那边来自D1、哪边来自D2，基本语句为：concat([D1,D2], axis=1, keys=['D1', 'D2'] )