当前位置：极客教程 > Pandas > Pandas 问答 > Pandas 基于列和索引的合并方法

Pandas 基于列和索引的合并方法

Pandas 基于列和索引的合并方法

在本文中，我们将介绍Pandas中的两种合并数据的方法：通过某一列进行合并和通过索引进行合并。这两种方法都是Pandas中重要的数据处理手段，在实际数据处理中会经常使用。

阅读更多：Pandas 教程

基于某一列进行合并

通过某一列进行合并，是指以某一列中的值为键，将两个Dataframe中的数据进行合并。这种方法常见的操作在join、merge和concat等方法中都有体现。下面分别介绍：

join方法

join方法是Pandas中用于合并两个Dataframe的方法，其参数说明如下：

  1. 参数other：要合并的另一个Dataframe。
  2. 参数on：用于合并的列名，默认为None。如果为None，则会自动寻找两个Dataframe中相同的列名进行合并。
  3. 参数how：合并方法，包括left、right、outer和inner，默认为’left’。
  4. 参数sort：合并后是否按照键值进行排序，默认为False。

下面示例代码中，我们将会创建两个Dataframe，分别为df1和df2，df1中包含’id’和’name’两列数据，df2中包含’id’和’age’两列数据。使用join方法将两个Dataframe中的数据合并，以’id’列为键。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'name': ['Tom', 'Jack', 'Lucy', 'Lily']})
df2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'age': [24, 28, 25, 21]})

result = df1.join(df2.set_index('id'), on='id')
print(result)
Python

输出结果：

    id   name    age
0  001    Tom  24
1  002   Jack  28
2  003   Lucy  25
3  004   Lily  21
Python

merge方法

merge方法与join方法类似，也是用于合并两个Dataframe的方法。其参数说明如下：

  1. 参数right：要合并的另一个Dataframe。
  2. 参数on：用于合并的列名，默认为None。如果为None，则会自动寻找两个Dataframe中相同的列名进行合并。
  3. 参数how：合并方法，包括left、right、outer和inner，默认为’inner’。
  4. 参数sort：合并后是否按照键值进行排序，默认为False。

下面示例代码中，我们将会创建两个Dataframe，分别为df1和df2，df1中包含’id’和’name’两列数据，df2中包含’id’和’age’两列数据。使用merge方法将两个Dataframe中的数据合并，以’id’列为键。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'name': ['Tom', 'Jack', 'Lucy', 'Lily']})
df2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'age': [24, 28, 25, 21]})

result = pd.merge(df1, df2, on='id')
print(result)
Python

输出结果：

    id   name    age
0  001    Tom  24
1  002   Jack  28
2  003   Lucy  25
3  004   Lily  21
Python

concat方法

concat方法用于沿着一个轴将多个Dataframe连接在一起，其基本语法为：

result = pd.concat(objs, axis=0, join='outer', sort=False, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)
Python

其中，参数说明如下：

  1. 参数objs：要连接的Dataframe。
  2. 参数axis：连接的轴，可以为0（沿着行方向连接）或1（沿着列方向连接），默认为0。
  3. 参数join：连接方式，包括’outer’和’inner’，默认为’outer’。
  4. 参数sort：连接后是否按照索引排序，默认为False。

下面示例代码中，我们将会创建两个Dataframe，分别为df1和df2，df1中包含’id’和’name’两列数据，df2中包含’id’和’age’两列数据。使用concat方法将两个Dataframe中的数据按行方向连接起来。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'name': ['Tom', 'Jack', 'Lucy', 'Lily']})
df2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'age': [24, 28, 25, 21]})

result = pd.concat([df1, df2], axis=1)
print(result)
Python

输出结果：

    id   name   id  age
0  001    Tom  001   24
1  002   Jack  002   28
2  003   Lucy  003   25
3  004   Lily  004   21
Python

基于索引进行合并

除了以某一列进行合并外，Pandas也支持以索引进行合并。在这种情况下，我们需要将某一列设为索引，之后将两个Dataframe的索引进行合并即可。下面介绍基于索引进行合并的方法：

merge方法

通过merge方法，可以指定left_index和right_index参数将两个Dataframe的索引进行合并。示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'name': ['Tom', 'Jack', 'Lucy', 'Lily']})
df1 = df1.set_index('id')
df2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'age': [24, 28, 25, 21]})
df2 = df2.set_index('id')

result = pd.merge(df1, df2, left_index=True, right_index=True)
print(result)
Python

输出结果：

      name   age
id             
001    Tom  24
002   Jack  28
003   Lucy  25
004   Lily  21
Python

join方法

通过join方法，可以指定参数lsuffix和rsuffix将相同列名的数据进行合并。示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'name': ['Tom', 'Jack', 'Lucy', 'Lily']})
df1 = df1.set_index('id')
df2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'age': [24, 28, 25, 21]})
df2 = df2.set_index('id')

result = df1.join(df2, lsuffix='_left', rsuffix='_right')
print(result)
Python

输出结果：

    name_left  age_right
id                      
001       Tom         24
002      Jack         28
003      Lucy         25
004      Lily         21
Python

总结

本文介绍了Pandas中两种合并数据的方法：通过某一列进行合并和通过索引进行合并。这两种方法都是Pandas中重要的数据处理手段，在实际数据处理中会经常使用。需要注意的是，在使用这两种方法时，需要注意各个参数的含义和具体用法，以充分发挥其强大的数据处理功能。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册