共计 7357 个字符，预计需要花费 19 分钟才能阅读完成。
简介
Pandas 提供了很多合并 Series 和 Dataframe 的弱小的性能，通过这些性能能够不便的进行数据分析。本文将会具体解说如何应用 Pandas 来合并 Series 和 Dataframe。
应用 concat
concat 是最罕用的合并 DF 的办法，先看下 concat 的定义：
pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None,
levels=None, names=None, verify_integrity=False, copy=True)看一下咱们常常会用到的几个参数：
objs 是 Series 或者 Series 的序列或者映射。
axis 指定连贯的轴。
join : {‘inner’,‘outer’}, 连贯形式，怎么解决其余轴的 index，outer 示意合并，inner 示意交加。
ignore_index：疏忽本来的 index 值，应用 0,1,… n- 1 来代替。
copy：是否进行拷贝。
keys：指定最外层的多层次构造的 index。
咱们先定义几个 DF，而后看一下怎么应用 concat 把这几个 DF 连接起来：
In [1]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
...: 'B': ['B0', 'B1', 'B2', 'B3'],
...: 'C': ['C0', 'C1', 'C2', 'C3'],
...: 'D': ['D0', 'D1', 'D2', 'D3']},
...: index=[0, 1, 2, 3])
...:
In [2]: df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
...: 'B': ['B4', 'B5', 'B6', 'B7'],
...: 'C': ['C4', 'C5', 'C6', 'C7'],
...: 'D': ['D4', 'D5', 'D6', 'D7']},
...: index=[4, 5, 6, 7])
...:
In [3]: df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
...: 'B': ['B8', 'B9', 'B10', 'B11'],
...: 'C': ['C8', 'C9', 'C10', 'C11'],
...: 'D': ['D8', 'D9', 'D10', 'D11']},
...: index=[8, 9, 10, 11])
...:
In [4]: frames = [df1, df2, df3]
In [5]: result = pd.concat(frames)df1,df2,df3 定义了同样的列名和不同的 index，而后将他们放在 frames 中形成了一个 DF 的 list，将其作为参数传入 concat 就能够进行 DF 的合并。
举个多层级的例子：
In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])
应用 keys 能够指定 frames 中不同 frames 的 key。
应用的时候，咱们能够通过抉择内部的 key 来返回特定的 frame：
In [7]: result.loc['y']
Out[7]:
A B C D
4 A4 B4 C4 D4
5 A5 B5 C5 D5
6 A6 B6 C6 D6
7 A7 B7 C7 D7下面的例子连贯的轴默认是 0，也就是按行来进行连贯，上面咱们来看一个例子按列来进行连贯，如果要按列来连贯，能够指定 axis=1：
In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
...: 'D': ['D2', 'D3', 'D6', 'D7'],
...: 'F': ['F2', 'F3', 'F6', 'F7']},
...: index=[2, 3, 6, 7])
...:
In [9]: result = pd.concat([df1, df4], axis=1, sort=False)
默认的 join='outer'，合并之后 index 不存在的中央会补全为 NaN。
上面看一个 join=’inner’ 的状况：
In [10]: result = pd.concat([df1, df4], axis=1, join='inner')
join=’inner’ 只会抉择 index 雷同的进行展现。
如果合并之后，咱们只想保留原来 frame 的 index 相干的数据，那么能够应用 reindex：
In [11]: result = pd.concat([df1, df4], axis=1).reindex(df1.index)或者这样：
In [12]: pd.concat([df1, df4.reindex(df1.index)], axis=1)
Out[12]:
A B C D B D F
0 A0 B0 C0 D0 NaN NaN NaN
1 A1 B1 C1 D1 NaN NaN NaN
2 A2 B2 C2 D2 B2 D2 F2
3 A3 B3 C3 D3 B3 D3 F3看下后果：
能够合并 DF 和 Series：
In [18]: s1 = pd.Series(['X0', 'X1', 'X2', 'X3'], name='X')
In [19]: result = pd.concat([df1, s1], axis=1)
如果是多个 Series，应用 concat 能够指定列名：
In [23]: s3 = pd.Series([0, 1, 2, 3], name='foo')
In [24]: s4 = pd.Series([0, 1, 2, 3])
In [25]: s5 = pd.Series([0, 1, 4, 5])In [27]: pd.concat([s3, s4, s5], axis=1, keys=['red', 'blue', 'yellow'])
Out[27]:
red blue yellow
0 0 0 0
1 1 1 1
2 2 2 4
3 3 3 5应用 append
append 能够看做是 concat 的简化版本，它沿着 axis=0 进行 concat：
In [13]: result = df1.append(df2)
如果 append 的两个 DF 的列是不一样的会主动补全 NaN：
In [14]: result = df1.append(df4, sort=False)
如果设置 ignore_index=True，能够疏忽原来的 index，并重写调配 index：
In [17]: result = df1.append(df4, ignore_index=True, sort=False)
向 DF append 一个 Series：
In [35]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D'])
In [36]: result = df1.append(s2, ignore_index=True)
应用 merge
和 DF 最相似的就是数据库的表格，能够应用 merge 来进行相似数据库操作的 DF 合并操作。
先看下 merge 的定义：
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None)Left, right 是要合并的两个 DF 或者 Series。
on 代表的是 join 的列或者 index 名。
left_on: 左连贯
right_on：右连贯
left_index: 连贯之后，抉择应用右边的 index 或者 column。
right_index: 连贯之后，抉择应用左边的 index 或者 column。
how：连贯的形式，'left', 'right', 'outer', 'inner'. 默认 inner.
sort: 是否排序。
suffixes: 解决反复的列。
copy: 是否拷贝数据
先看一个简略 merge 的例子：
In [39]: left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
....: 'A': ['A0', 'A1', 'A2', 'A3'],
....: 'B': ['B0', 'B1', 'B2', 'B3']})
....:
In [40]: right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
....: 'C': ['C0', 'C1', 'C2', 'C3'],
....: 'D': ['D0', 'D1', 'D2', 'D3']})
....:
In [41]: result = pd.merge(left, right, on='key')
下面两个 DF 通过 key 来进行连贯。
再看一个多个 key 连贯的例子：
In [42]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
....: 'key2': ['K0', 'K1', 'K0', 'K1'],
....: 'A': ['A0', 'A1', 'A2', 'A3'],
....: 'B': ['B0', 'B1', 'B2', 'B3']})
....:
In [43]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
....: 'key2': ['K0', 'K0', 'K0', 'K0'],
....: 'C': ['C0', 'C1', 'C2', 'C3'],
....: 'D': ['D0', 'D1', 'D2', 'D3']})
....:
In [44]: result = pd.merge(left, right, on=['key1', 'key2'])
How 能够指定 merge 形式，和数据库一样，能够指定是内连贯，外连贯等：
| 合并办法 | SQL 办法 |
|---|---|
left |
LEFT OUTER JOIN |
right |
RIGHT OUTER JOIN |
outer |
FULL OUTER JOIN |
inner |
INNER JOIN |
In [45]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])
指定 indicator=True，能够示意具体行的连贯形式：
In [60]: df1 = pd.DataFrame({'col1': [0, 1], 'col_left': ['a', 'b']})
In [61]: df2 = pd.DataFrame({'col1': [1, 2, 2], 'col_right': [2, 2, 2]})
In [62]: pd.merge(df1, df2, on='col1', how='outer', indicator=True)
Out[62]:
col1 col_left col_right _merge
0 0 a NaN left_only
1 1 b 2.0 both
2 2 NaN 2.0 right_only
3 2 NaN 2.0 right_only如果传入字符串给 indicator，会重命名 indicator 这一列的名字：
In [63]: pd.merge(df1, df2, on='col1', how='outer', indicator='indicator_column')
Out[63]:
col1 col_left col_right indicator_column
0 0 a NaN left_only
1 1 b 2.0 both
2 2 NaN 2.0 right_only
3 2 NaN 2.0 right_only多个 index 进行合并：
In [112]: leftindex = pd.MultiIndex.from_tuples([('K0', 'X0'), ('K0', 'X1'),
.....: ('K1', 'X2')],
.....: names=['key', 'X'])
.....:
In [113]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
.....: 'B': ['B0', 'B1', 'B2']},
.....: index=leftindex)
.....:
In [114]: rightindex = pd.MultiIndex.from_tuples([('K0', 'Y0'), ('K1', 'Y1'),
.....: ('K2', 'Y2'), ('K2', 'Y3')],
.....: names=['key', 'Y'])
.....:
In [115]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
.....: 'D': ['D0', 'D1', 'D2', 'D3']},
.....: index=rightindex)
.....:
In [116]: result = pd.merge(left.reset_index(), right.reset_index(),
.....: on=['key'], how='inner').set_index(['key', 'X', 'Y'])
反对多个列的合并：
In [117]: left_index = pd.Index(['K0', 'K0', 'K1', 'K2'], name='key1')
In [118]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
.....: 'B': ['B0', 'B1', 'B2', 'B3'],
.....: 'key2': ['K0', 'K1', 'K0', 'K1']},
.....: index=left_index)
.....:
In [119]: right_index = pd.Index(['K0', 'K1', 'K2', 'K2'], name='key1')
In [120]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
.....: 'D': ['D0', 'D1', 'D2', 'D3'],
.....: 'key2': ['K0', 'K0', 'K0', 'K1']},
.....: index=right_index)
.....:
In [121]: result = left.merge(right, on=['key1', 'key2'])
应用 join
join 将两个不同 index 的 DF 合并成一个。能够看做是 merge 的简写。
In [84]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
....: 'B': ['B0', 'B1', 'B2']},
....: index=['K0', 'K1', 'K2'])
....:
In [85]: right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
....: 'D': ['D0', 'D2', 'D3']},
....: index=['K0', 'K2', 'K3'])
....:
In [86]: result = left.join(right)
能够指定 how 来指定连贯形式：
In [87]: result = left.join(right, how='outer')
默认 join 是按 index 来进行连贯。
还能够依照列来进行连贯：
In [91]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
....: 'B': ['B0', 'B1', 'B2', 'B3'],
....: 'key': ['K0', 'K1', 'K0', 'K1']})
....:
In [92]: right = pd.DataFrame({'C': ['C0', 'C1'],
....: 'D': ['D0', 'D1']},
....: index=['K0', 'K1'])
....:
In [93]: result = left.join(right, on='key')
单个 index 和多个 index 进行 join：
In [100]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
.....: 'B': ['B0', 'B1', 'B2']},
.....: index=pd.Index(['K0', 'K1', 'K2'], name='key'))
.....:
In [101]: index = pd.MultiIndex.from_tuples([('K0', 'Y0'), ('K1', 'Y1'),
.....: ('K2', 'Y2'), ('K2', 'Y3')],
.....: names=['key', 'Y'])
.....:
In [102]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
.....: 'D': ['D0', 'D1', 'D2', 'D3']},
.....: index=index)
.....:
In [103]: result = left.join(right, how='inner')
列名反复的状况：
In [122]: left = pd.DataFrame({'k': ['K0', 'K1', 'K2'], 'v': [1, 2, 3]})
In [123]: right = pd.DataFrame({'k': ['K0', 'K0', 'K3'], 'v': [4, 5, 6]})
In [124]: result = pd.merge(left, right, on='k')
能够自定义反复列名的命名规定：
In [125]: result = pd.merge(left, right, on='k', suffixes=('_l', '_r'))
笼罩数据
有时候咱们须要应用 DF2 的数据来填充 DF1 的数据，这时候能够应用 combine_first：
In [131]: df1 = pd.DataFrame([[np.nan, 3., 5.], [-4.6, np.nan, np.nan],
.....: [np.nan, 7., np.nan]])
.....:
In [132]: df2 = pd.DataFrame([[-42.6, np.nan, -8.2], [-5., 1.6, 4]],
.....: index=[1, 2])
.....: In [133]: result = df1.combine_first(df2)
或者应用 update：
In [134]: df1.update(df2)本文已收录于 http://www.flydean.com/04-python-pandas-merge/
最艰深的解读，最粗浅的干货，最简洁的教程，泛滥你不晓得的小技巧等你来发现！
欢送关注我的公众号:「程序那些事」, 懂技术，更懂你！
