Pandas 连接数据帧 [2022]

想象一下，您有两组数据，您必须将它们组合起来才能执行分析。 使用 SQL 时，可以使用 SQL 连接来组合来自数据库中两个或多个表的记录。 同样，Python 中也有连接数据帧的选项。 那么什么是数据框呢？ Python 中的数据框有多个行和列。 它类似于 SQL 中的表。 你有用于 Python 数据分析的 pandas 软件库。 Pandas 连接数据帧帮助我们根据一定的逻辑组合数据帧。

组合数据帧的不同方式：

• 内连接：内连接非常类似于两个集合的交集。 在内部连接的情况下，将返回一个数据框，其中仅包含那些具有共同属性的行。 因此，两个组合数据框中的每一行都应具有匹配的列值。

• 左连接：左连接返回左数据框中的所有行，仅返回右数据框中的匹配行。

• 右连接：右连接返回右数据框中的所有行，仅返回左数据框中的匹配行。

• 全联接或外联接：全联接保留左侧数据框和右侧数据框的所有行。

资源

现在让我们看看 Pandas 中用于组合数据帧或序列的函数。

Pandas 中的函数

1.加入功能

正如我们所读到的，Python 有很多类似 SQL 的特性可用于组合数据。 数据帧有一个充当地址的索引。 通常，行索引称为索引，而列由列名寻址。 Join 操作允许您合并来自两个数据框的所有列。 您可以通过更新“lsuffix”和“rsuffix”参数来重命名左右列。 您可以通过更新“how”参数来选择合并方式。

2.合并功能

合并功能与连接操作非常相似。 但是，您可以在组合来自两个数据帧的所有列时获得灵活的控制。 您可以使用 on = Column Name 来合并公共列上的数据框。 您可以更新 left_on = Column Name 或 right_on = Column Name 以使用左侧或右侧数据框中的列作为键来对齐表。 选择 left_index = True 或 right_index = True，允许您使用左侧数据框或右侧数据框的行标签作为连接键。

句法：

DataFrame.merge( self , right , how='left' , 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 )

阅读：熊猫面试问题

3. 连接函数

使用 Concat 函数，您可以根据您的选择组合列或行上的数据。 您可以在两个轴中的任何一个上设置连接逻辑（左/右/内/全连接）。 您还可以选择使用 verify_integrity 检查新的连接轴是否存在重复值。 如果没有在连接轴上指定索引值，则结果轴将被标记为 0,1,… n-1。 keys 参数允许您使用传递的键来形成分层索引。

句法

pandas.concat( objs , axis =0 , join='left' , join_axes=None ,

ignore_index=False ， keys=None ， levels=None ， names=None ，

verify_integrity=False , sort=None , copy=True )

阅读：Python 中的数据结构算法

包起来

正如我们在 pandas.DataFrame 中看到的，merge 和 join 函数用于组合在列上工作的数据框。 还有一个选项可以根据提供的后缀重命名列。 在逐行对齐的情况下，合并功能提供了更大的灵活性。 相反，pandas 的 Concat 函数可以对行或列进行操作。

使用 Concat 函数时不会重命名列。 当我们必须组合两个数据帧时，Pandas 连接数据帧是一项基本功能。 使用特定条件合并两个数据框可帮助您准备分析和其他任务所需的数据。 因此对于软件库 pandas 连接数据帧是一个不可或缺的功能。

您是否有兴趣了解更多关于 pandas 中可用的各种功能并深入研究数据分析？ 您可以查看upGrad 提供的数据科学 PG 文凭。 这些课程由行业专家主持，将帮助您了解更多关于探索性数据分析、各种数据可视化技术和机器学习算法的知识。 与 upGrad 一起开始您在数据分析和机器学习领域的职业生涯。