数据分析应用项目化教程（Python） 课件 任务6.2 数据合并和连接.pptx

第六章使用pandas进行数据清洗和整理

任务6.2数据合并和连接concat合并append合并merge连接join连接combine_first和combine填充合并

concat合并使用某种合并方式(inner/outer)沿着某个轴向(axis=0/1)将多个对象进行堆叠把多个Pandas对象(DataFrame/Series)合并成一个

concat合并pandas.concat(objs,axis=0,join=outer,‘join_axes=None’，ignore_index=False，‘keys=None’)objs：一个列表，要进行拼接的pandas对象，可以是DataFrame或者Series，可以混合axis：指定对象按照那个轴进行拼接，默认为0（纵向拼接），1为横向拼接join：拼接的方式，inner为交集，outer为并集join_axes：index的列表，仅在横向合并时使用，指明要将数据合并入哪个原表的indexignore_index：如果设置为true，则无视表原来的轴标签，合并后生成新的轴标签keys：表标识的列表，用来区分合并的表来自哪里

concat合并-按行pd.concat(frames)：默认参数的concat，按行合并，参数为axis=0、join=outer、ignore_index=False

concat合并-按行pd.concat(frames,keys=[x,y,z])使用keys标识表

concat合并-按列pd.concat([df1,df4],axis=1)按列合并，axis=1pd.concat([df1,df4],axis=1,join=inner)#按行索引相同合并列

append合并append语法：DataFrame.append(other,ignore_index=False)append只有按行合并，没有按列合并，相当于concat按行的简写形式other：单个dataframe、series、dict，或者列表ignore_index：是否忽略掉原来的数据索引

merge连接Pandas的Merge，相当于Sql的Join，将不同的表按key关联到一个表。merge的语法：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：要连接的dataframe或者Serieshow：join类型，left,right,outer,inneron：join的key，left和right都需要有这个keyleft_on：left的df或者series的keyright_on：right的df或者seires的keyleft_index，right_index：使用index而不是普通的column做joinsuffixes：两个元素的后缀，如果列有重名，自动添加后缀，默认是(x,y)

?merge连接pd.merge(left,right,on=key)默认等值连接，左边和右边的key都有，才会出现在结果里

merge连接pd.merge(left,right,on=[key1,key2])#多个关键字等值连接,默认how=‘inner’

merge连接pd.merge(left,right,how=left,on=[key1,key2])#左边的都会出现在结果里，右边的如果无法匹配则为Null

merge连接pd.merge(left,right,how=right,on=[key1,key2])右边的都会出现在结果里，左边的如果无法匹配则为Null

merge连接pd.merge(left,right,how=outer,on=[key1,key2])#左边、右边的都会出现在结果里，如果无法匹配则为Null

join连接默认行索引匹配连接，merge()默认是列索引匹配连接。用法：join()方法能够通过索引或指定列来连接多个DataFrame对象，它默认以index作为对齐的列。join()和merge()一样，是横向拼接，只能进行数据匹配，即添加列，不能添加行，并且支持how的四种模式：inner,left,right,outer。其实join()就是merge()的一种封装，后台调用的正是merge(