Pandas 多个DataFrame的合并方法|极客教程

Pandas 多个DataFrame的合并方法

Pandas是Python中常用的数据分析库，其功能强大，能够支持多种数据类型的操作和处理。其中，多个DataFrame的合并是其中比较常见的操作。

1. 使用’concat’函数进行合并

在Pandas中，使用’concat’函数可以将多个DataFrame按照指定的轴进行合并。下面是一个简单的示例：

import pandas as pd

df1 = pd.DataFrame({
   'key': ['A', 'B', 'C', 'D'],
   'value': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
   'key': ['E', 'F', 'G', 'H'],
   'value': [5, 6, 7, 8]
})

frames = [df1, df2]

result = pd.concat(frames)

print(result)

上述代码将会输出下面的结果：

  key  value
0   A      1
1   B      2
2   C      3
3   D      4
0   E      5
1   F      6
2   G      7
3   H      8

在使用’concat’函数时，我们需要注意指定合并的轴。默认上述代码将DataFrame进行列合并，如果要进行行合并，需要指定’axis=1’。

2. 使用’merge’函数进行合并

‘merge’函数是Pandas中另一个常用的DataFrame合并函数，它能够根据指定的列将两个DataFrame合并成一个新的DataFrame。下面是一个简单的示例：

import pandas as pd

df1 = pd.DataFrame({
   'key': ['A', 'B', 'C', 'D'],
   'value': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
   'key': ['C', 'D', 'E', 'F'],
   'value': [5, 6, 7, 8]
})

result = pd.merge(df1, df2, on='key')

print(result)

上述代码将会输出下面的结果：

  key  value_x  value_y
0   C        3       5
1   D        4       6

在上述示例中，我们指定了’key’列进行合并，将两个DataFrame中’key’列相同的行合并成一个新的DataFrame。

3. 使用’join’函数进行合并

‘join’函数是Pandas中常用的DataFrame合并函数之一，它能够根据指定的列将两个DataFrame合并成一个新的DataFrame，类似于使用’merge’函数进行合并。下面是一个简单的示例：

import pandas as pd

df1 = pd.DataFrame({
   'key': ['A', 'B', 'C', 'D'],
   'value': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
   'key': ['C', 'D', 'E', 'F'],
   'value': [5, 6, 7, 8]
})

result = df1.join(df2.set_index('key'), on='key')

print(result)

上述代码将会输出下面的结果：

  key  value_x  value_y
0   A        1     NaN
1   B        2     NaN
2   C        3     5.0
3   D        4     6.0

在上述示例中，我们使用’join’函数将两个DataFrame进行了合并。注意，’join’函数只能够使用列索引对两个DataFrame进行合并，如果要使用其他方式，需要使用’merge’函数。

总结

在本文中，我们介绍了Pandas中多个DataFrame的合并方法，包括’concat’函数、’merge’函数和’join’函数。需要根据实际情况选择适合的合并方法。

Pandas 多个DataFrame的合并方法