Pandas系列（十）-转换链接详解

目录

• 1. 拼接
• 1.1 append
• 1.2 concat
• 2. 关联
• 2.1 merge
• 2.2 join

数据准备

# 导入相关库
import numpy as np
import pandas as pd
"""
拼接
有两个DataFrame，都存储了用户的一些信息，如今要拼接起来，组成一个DataFrame，如何实现呢？
"""
data1 = {
    "name": ["Tom", "Bob"],
    "age": [18, 30],
    "city": ["Bei Jing ", "Shang Hai "]
}
df1 = pd.DataFrame(data=data1)
df1
Out[85]: 
  name  age        city
0  Tom   18   Bei Jing 
1  Bob   30  Shang Hai 
data2 = {
    "name": ["Mary", "James"],
    "age": [35, 18],
    "city": ["Guang Zhou", "Shen Zhen"]
}
df2 = pd.DataFrame(data=data2)
df2
Out[86]: 
    name  age        city
0   Mary   35  Guang Zhou
1  James   18   Shen Zhen

　1. 拼接

　　1.1 append

def append(self, other, ignore_index=False,verify_integrity=False, sort=None):

　　append 是最简单的拼接两个DataFrame的方法。

df1.append(df2)
Out[87]: 
    name  age        city
0    Tom   18   Bei Jing 
1    Bob   30  Shang Hai 
0   Mary   35  Guang Zhou
1  James   18   Shen Zhen

能够看到，拼接后的索引默认仍是原有的索引，若是想要从新生成索引的话，设置参数 ignore_index=True 便可。

df1.append(df2, ignore_index=True)
Out[88]: 
    name  age        city
0    Tom   18   Bei Jing 
1    Bob   30  Shang Hai 
2   Mary   35  Guang Zhou
3  James   18   Shen Zhen

　　1.2 concat

 

　　除了 append 这种方式以外，还有 concat 这种方式能够实现相同的功能。

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

　例子

objs=[df1, df2]
pd.concat(objs, ignore_index=True)
Out[89]: 
    name  age        city
0    Tom   18   Bei Jing 
1    Bob   30  Shang Hai 
2   Mary   35  Guang Zhou
3  James   18   Shen Zhen

若是想要区分出不一样的DataFrame的数据，能够经过设置参数 keys，固然得设置参数 ignore_index=False。

pd.concat(objs, ignore_index=False, keys=["df1", "df2"])
Out[90]: 
        name  age        city
df1 0    Tom   18   Bei Jing 
    1    Bob   30  Shang Hai 
df2 0   Mary   35  Guang Zhou
    1  James   18   Shen Zhen

2. 关联

　　有两个DataFrame，分别存储了用户的部分信息，如今须要将用户的这些信息关联起来，如何实现呢？

　　2.1 merge

    def merge(self, right, how='inner', on=None, left_on=None, right_on=None,
              left_index=False, right_index=False, sort=False,
              suffixes=('_x', '_y'), copy=True, indicator=False,
              validate=None):

　　经过 pd.merge 能够关联两个DataFrame，这里咱们设置参数 on="name"，表示依据 name 来做为关联键。默认how='inner',咱们能够设置成outer

data1 = {
    "name": ["Tom", "Bob", "Mary", "James"],
    "age": [18, 30, 35, 18],
    "city": ["Bei Jing ", "Shang Hai ", "Guang Zhou", "Shen Zhen"]
}
df1 = pd.DataFrame(data=data1)
df1
data2 = {"name": ["Bob", "Mary", "James", "Andy"],
        "sex": ["male", "female", "male", np.nan],
         "income": [8000, 8000, 4000, 6000]
}
df2 = pd.DataFrame(data=data2)
df2
pd.merge(df1,df2,on="name")
Out[91]: 
    name  age        city     sex  income
0    Bob   30  Shang Hai     male    8000
1   Mary   35  Guang Zhou  female    8000
2  James   18   Shen Zhen    male    4000
#关联后发现数据变少了，只有 3 行数据，这是由于默认关联的方式是 inner，若是不想丢失任何数据，能够设置参数 how="outer"。
pd.merge(df1,df2,on="name",how="outer")
Out[92]: 
    name   age        city     sex  income
0    Tom  18.0   Bei Jing      NaN     NaN
1    Bob  30.0  Shang Hai     male  8000.0
2   Mary  35.0  Guang Zhou  female  8000.0
3  James  18.0   Shen Zhen    male  4000.0
4   Andy   NaN         NaN     NaN  6000.0

若是咱们想保留左边全部的数据，能够设置参数 how="left"；反之，若是想保留右边的全部数据，能够设置参数 how="right"

pd.merge(df1, df2, on="name", how="left")
Out[93]: 
    name  age        city     sex  income
0    Tom   18   Bei Jing      NaN     NaN
1    Bob   30  Shang Hai     male  8000.0
2   Mary   35  Guang Zhou  female  8000.0
3  James   18   Shen Zhen    male  4000.0

有时候，两个 DataFrame 中须要关联的键的名称不同，能够经过 left_on 和 right_on 来分别设置。

df1.rename(columns={"name": "name1"}, inplace=True)
df1
Out[94]: 
   name1  age        city
0    Tom   18   Bei Jing 
1    Bob   30  Shang Hai 
2   Mary   35  Guang Zhou
3  James   18   Shen Zhen
df2.rename(columns={"name": "name2"}, inplace=True)
df2
Out[95]: 
   name2     sex  income
0    Bob    male    8000
1   Mary  female    8000
2  James    male    4000
3   Andy     NaN    6000
pd.merge(df1, df2, left_on="name1", right_on="name2")
Out[96]: 
   name1  age        city  name2     sex  income
0    Bob   30  Shang Hai     Bob    male    8000
1   Mary   35  Guang Zhou   Mary  female    8000
2  James   18   Shen Zhen  James    male    4000　

　　有时候，两个DataFrame中都包含相同名称的字段，如何处理呢？

　　咱们能够设置参数 suffixes，默认 suffixes=('_x', '_y') 表示将相同名称的左边的DataFrame的字段名加上后缀 _x，右边加上后缀 _y。

df1["sex"] = "male"
df1
Out[97]: 
   name1  age        city   sex
0    Tom   18   Bei Jing   male
1    Bob   30  Shang Hai   male
2   Mary   35  Guang Zhou  male
3  James   18   Shen Zhen  male
pd.merge(df1, df2, left_on="name1", right_on="name2")
Out[98]: 
   name1  age        city sex_x  name2   sex_y  income
0    Bob   30  Shang Hai   male    Bob    male    8000
1   Mary   35  Guang Zhou  male   Mary  female    8000
2  James   18   Shen Zhen  male  James    male    4000
pd.merge(df1, df2, left_on="name1", right_on="name2", suffixes=("_left", "_right"))
Out[99]: 
   name1  age        city sex_left  name2 sex_right  income
0    Bob   30  Shang Hai      male    Bob      male    8000
1   Mary   35  Guang Zhou     male   Mary    female    8000
2  James   18   Shen Zhen     male  James      male    4000

　　2.2 join

def join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):

　　除了 merge 这种方式外，还能够经过 join 这种方式实现关联。相比 merge，join 这种方式有如下几个不一样：

　　（1）默认参数on=None，表示关联时使用左边和右边的索引做为键，设置参数on能够指定的是关联时左边的所用到的键名

　　（2）左边和右边字段名称重复时，经过设置参数 lsuffix 和 rsuffix 来解决。

df1.join(df2.set_index("name2"), on="name1", lsuffix="_left")
Out[100]: 
   name1  age        city sex_left     sex  income
0    Tom   18   Bei Jing      male     NaN     NaN
1    Bob   30  Shang Hai      male    male  8000.0
2   Mary   35  Guang Zhou     male  female  8000.0
3  James   18   Shen Zhen     male    male  4000.0