數據規整化——合並
阿新 • • 發佈：2018-02-21
技術 als 發現 one 層次 分享圖片 eve iss 分層
數據集的合並或連接運算是通過一個或多個鍵將行鏈接起來的，而pandas的merge函數是對數據應用這些算法的主要切入點。
一對多：df1的數據有多個被標記為a和b的行，而df2中key列的每個值則僅對應一行。
df1 = DataFrame({‘key‘: [‘b‘, ‘b‘, ‘a‘, ‘c‘, ‘a‘, ‘a‘, ‘b‘],
‘data1‘: range(7)})
df2 = DataFrame({‘key‘: [‘a‘, ‘b‘, ‘d‘],
‘data2‘: range(3)})
  |
註意：若沒有指定哪個列進行連接，則默認將重疊列的列名當作鍵。
pd.merge(df1, df2) pd.merge(df1, df2, on=‘key‘)
  |
若兩個對象的列名不同，也可以分別進行指定：
df3 = DataFrame({‘lkey‘: [‘b‘, ‘b‘, ‘a‘, ‘c‘, ‘a‘, ‘a‘, ‘b‘],
‘data1‘: range(7)})
df4 = DataFrame({‘rkey‘: [‘a‘, ‘b‘, ‘d‘],
‘data2‘: range(3)})
pd.merge(df3, df4, left_on=‘lkey‘, right_on=‘
  |
多對多：
df1 = DataFrame({‘key‘: [‘b‘, ‘b‘, ‘a‘, ‘c‘, ‘a‘, ‘b‘],
‘data1‘: range(6)})
df2 = DataFrame({‘key‘: [‘a‘, ‘b‘, ‘a‘, ‘b‘, ‘d‘],
‘data2‘: range(5)})
#多對多產生的是行的笛卡爾積 left
  |
若要根據多個鍵進行合並，需傳入一個由列名組成的列表：
left = DataFrame({‘key1‘: [‘foo‘, ‘foo‘, ‘bar‘],
‘key2‘: [‘one‘, ‘two‘, ‘one‘],
‘lval‘: [1, 2, 3]})
right = DataFrame({‘key1‘: [‘foo‘, ‘foo‘, ‘bar‘, ‘bar‘],
‘key2‘: [‘one‘, ‘one‘, ‘one‘, ‘two‘],
‘rval‘: [4, 5, 6, 7]})
pd.merge(left, right, on=[‘key1‘, ‘key2‘], how=‘outer‘)
 |
對於合並運算需要考慮的最後一個問題是對重復列名的處理。而merge的suffixes選項，正用於指定附加到左右兩個dataframe對象的重復列名上的字符串：
pd.merge(left, right, on=‘key1‘) pd.merge(left, right, on=‘key1‘, suffixes=(‘_left‘, ‘_right‘))
  |
索引的合並：有時候連接鍵位於其索引中，則可以傳入left_index=True或right_index=True以說明索引應該被用作連接鍵。
left1 = DataFrame({‘key‘: [‘a‘, ‘b‘, ‘a‘, ‘a‘, ‘b‘, ‘c‘],
‘value‘: range(6)})
right1 = DataFrame({‘group_val‘: [3.5, 7]}, index=[‘a‘, ‘b‘])
pd.merge(left1, right1, left_on=‘key‘, right_index=True)
#外連接
pd.merge(left1, right1, left_on=‘key‘, right_index=True, how=‘outer‘)
  |
層次化索引數據，必須以列表的形式指明用作合並鍵的多個列
lefth = DataFrame({‘key1‘: [‘Ohio‘, ‘Ohio‘, ‘Ohio‘, ‘Nevada‘, ‘Nevada‘],
‘key2‘: [2000, 2001, 2002, 2001, 2002],
‘data‘: np.arange(5.)})
righth = DataFrame(np.arange(12).reshape((6, 2)),
index=[[‘Nevada‘, ‘Nevada‘, ‘Ohio‘, ‘Ohio‘, ‘Ohio‘, ‘Ohio‘],
[2001, 2000, 2000, 2000, 2001, 2002]],
columns=[‘event1‘, ‘event2‘])
  |
pd.merge(lefth, righth, left_on=[‘key1‘, ‘key2‘], right_index=True) pd.merge(lefth, righth, left_on=[‘key1‘, ‘key2‘], right_index=True, how=‘outer‘)
  |
直接合並雙方的索引也可以：
left2 = DataFrame([[1., 2.], [3., 4.], [5., 6.]], index=[‘a‘, ‘c‘, ‘e‘], columns=[‘Ohio‘, ‘Nevada‘]) right2 = DataFrame([[7., 8.], [9., 10.], [11., 12.], [13, 14]], index=[‘b‘, ‘c‘, ‘d‘, ‘e‘], columns=[‘Missouri‘, ‘Alabama‘])
  |
pd.merge(left2, right2, how=‘outer‘, left_index=True, right_index=True) #join實例方法，更為方便地按索引合並 left2.join(right2, how=‘outer‘)
  |
軸向連接：pd.concatenation 簡單數據連接
arr = np.arange(12).reshape((3, 4)) ‘‘‘ array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) ‘‘‘ np.concatenate([arr, arr], axis=1) ‘‘‘ array([[ 0, 1, 2, 3, 0, 1, 2, 3], [ 4, 5, 6, 7, 4, 5, 6, 7], [ 8, 9, 10, 11, 8, 9, 10, 11]]) ‘‘‘
pandas的concat函數提供了一種能夠軸向連接的方式。
s1 = Series([0, 1], index=[‘a‘, ‘b‘]) s2 = Series([2, 3, 4], index=[‘c‘, ‘d‘, ‘e‘]) s3 = Series([5, 6], index=[‘f‘, ‘g‘]) pd.concat([s1, s2, s3]) #默認concat的axis=0返回Series對象，而axis=1則返回dataframe對象 pd.concat([s1, s2, s3], axis=1)
  |
| 參數 | 說明 |
| objs | 參與連接的pandas對象的列表或者字典，唯一的必須參數 |
| axis | 指明連接的軸向，默認0 |
| join | 選項包括inner(交集)、outer(並集) |
| join_axes | 指明用於其他(n-1)條軸的索引，不執行並集或交集運算 |
| keys | 與連接對象有關的值，用於形成連接軸向上的層次化索引。可以是任意值的列表或數組 |
| levels | 指定用作層次化索引各級別上的索引（若設置了keys的話） |
| names | 用於創建分層級別的名稱（若設置了keys和levels的話） |
| verify_integrity | 檢查結果對象新軸上的重復情況，若發現則異常，默認允許重復（false） |
| ignore_index | 不保留連接軸上的索引，產生一組新索引 |
合並重疊數據：Series中combine_first方法，dataframe也可以使用
a = Series([np.nan, 2.5, np.nan, 3.5, 4.5, np.nan], index=[‘f‘, ‘e‘, ‘d‘, ‘c‘, ‘b‘, ‘a‘]) b = Series(np.arange(len(a), dtype=np.float64), index=[‘f‘, ‘e‘, ‘d‘, ‘c‘, ‘b‘, ‘a‘]) #np.where方法 np.where(pd.isnull(a), b, a) ‘‘‘ array([ 0. , 2.5, 2. , 3.5, 4.5, nan]) ‘‘‘ #combine_first方法 b[:-2].combine_first(a[2:]) ‘‘‘ a NaN b 4.5 c 3.0 d 2.0 e 1.0 f 0.0 dtype: float64 ‘‘‘
數據規整化——合並