在实际处理数据业务需求中,我们经常会遇到这样的需求:将多个表连接起来再进行数据的处理和分析,类似SQL中的连接查询功能。
pandas中也提供了几种方法来实现这个功能,表现最突出、使用最为广泛的方法是merge。本文中将下面四种方法及参数通过实际案例来进行具体讲解。
做数据分析的时候这两个库是必须导入的,国际惯例一般。
import pandas as pd
import numpy as np
官方提供的merge
函数的参数如下:
下面将通过案例讲解几个重要参数的使用方法:
DataFrame.merge(left, right,
how='inner', # {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘inner’
on=None,
left_on=None, right_on=None,
sort=False,
suffixes=('_x', '_y'))
注意4组数据的不同
两种不同的写法,效果相同
how
参数的取值有4种:
用于连接的列索引列名,必须同时存在于左右的两个dataframe型数据中,类似SQL中两个表的相同字段属性
如果没有指定或者其他参数也没有指定,则以两个dataframe型数据的相同键作为连接键
另一个例子:
合并的时候一列两个表同名,但是取值不同,如果都想要保存下来,就使用加后缀的方法,默认是_x,_y
,可以自己指定
对连接的时候相同键的取值进行排序
concat
方法是将两个DataFrame
数据框中的数据进行合并
ignore_index
实现合并后的索引重排data3.append(data4) # 等同于pd.append([data3, data4]) 忽略pandas版本的警告
data3.append(data4, ignore_index=True) # 设置参数
data3.append(data4) # 默认对字段属性排序