DataFrame的级联与合并操作

---

一、级联操作

1.1 匹配级联

• pd.concat
• pd.append

pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：

• objs
• axis=0
• keys
• join=‘outer’ / ‘inner’: 表示的是级联的方式;
  outer会将所有的项进行级联（忽略匹配和不匹配），而inner只会将匹配的项级联到一起，不匹配的不级联
• ignore_index=False

• 导入包

import numpy as np
import pandas as pd
from pandas import DataFrame,Series

• 创建数据

df1 = DataFrame(data=np.random.randint(0,100,size=(5,3)),columns=['A','B','C'])
df2 = DataFrame(data=np.random.randint(0,100,size=(5,3)),columns=['A','D','C'])

• df1
  
• df2
  
• 匹配级联

pd.concat((df1,df1),axis=0)

pd.concat((df1,df1),axis=1)

1.2 不匹配级联

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致
有2种连接方式,join参数:

• 外连接：补NaN（默认模式）【如果想要保留数据的完整性必须使用outer（外连接）】
• 内连接：只连接匹配的项

pd.concat((df1,df2),axis=0)

pd.concat((df1,df2),axis=0,join='inner')

pd.concat((df1,df2),axis=0,join='outer')

append函数的使用:

• 只可以列和列级联

df1.append(df1)

df1.append(df2)

---

二、合并操作

• merge与concat的区别在于:
  merge需要依据某一共同列来进行合并;级联是做拼接
• 使用pd.merge()合并时，会自动根据两者相同column名称的那一列，作为key来进行合并。
• 注意每一列元素的顺序不要求一致

2.1 一对一合并

df1 = DataFrame({
   'employee':['Bob','Jake','Lisa'],
                 'group':['Accounting','Engineering','Engineering'],
               })
df1