[Pandas][基础]合并

Pandas合并

append与assign

append方法

• 利用序列添加行（必须指定name）
• 用DataFrame添加表

assign方法

• 该方法主要用于添加列(Series)，列名直接由参数指定

  可以一次添加多个列

  df_append.assign(col1=lambda x:x['Height'].mean(), col2=s)

combine与update

comine和update都是用于表的填充函数，可以根据某种规则填充

combine方法

“百亿分之十四“

Pandas合并

append与assign

append方法

• 利用序列添加行（必须指定name）
• 用DataFrame添加表

assign方法

• 该方法主要用于添加列(Series)，列名直接由参数指定

  可以一次添加多个列

df_append.assign(col1=lambda x:x['Height'].mean(), col2=s)

combine与update

comine和update都是用于表的填充函数，可以根据某种规则填充

combine方法

• 填充对象

  combine方法是按照表的顺序轮流进行逐列循环的，而且自动索引对齐，缺失值为NaN，理解这一点很重要

• overwrite=False

  使得原来符合条件的值不会被覆盖

• fill_value=-1

  在新增匹配df2的元素位置填充-1

combine_first方法

这个方法作用是用df2填补df1的缺失值，功能比较简单，但很多时候会比combine更常用.

df1 = pd.DataFrame({'A': [None, 0], 'B': [None, 4]}) df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]}) df1.combine_first(df2)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5oldgT80-1588252966736)(/Users/rainjaneJerry/Library/Application Support/typora-user-images/image-20200430185849739.png)]

df1 = pd.DataFrame({'A': [None, 0], 'B': [4, None]}) df2 = pd.DataFrame({'B': [3, 3], 'C': [1, 1]}, index=[1, 2]) df1.combine_first(df2)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0yDYUI0V-1588252966737)(/Users/rainjaneJerry/Library/Application Support/typora-user-images/image-20200430185908382.png)]

update方法

更新目标df

三个特点

①返回的框索引只会与被调用框的一致

②第二个框中的nan元素不会起作用(缺失值不起作用)

③没有返回值，直接在df上操作

concat方法

• concat方法可以在两个维度上拼接，默认纵向拼接（axis=0），拼接方式默认外连接(列或行的并集)所谓外连接，就是取拼接方向的并集，而’inner’时取拼接方向（若使用默认的纵向拼接，则为列的交集）的交集
• 可以添加Series

merge与join

merge/join与concat的不同之处在于on参数，可以指定某一个对象为key来进行连接

merge函数

merge函数的作用是将两个pandas对象横向合并，遇到重复的索引项时(索引内容全部重复)会使用笛卡尔积，默认inner连接，可选left、outer、right连接

所谓左连接，就是指以第一个表索引为基准，右边的表中如果不再左边的则不加入，如果在左边的就以笛卡尔积的方式加入

indicator参数指示了，合并后该行索引的来源

join函数

• join函数作用是将多个pandas对象横向拼接，遇到重复的索引项时会使用笛卡尔积，默认左连接，可选inner、outer、right连接
• 对于many_to_one模式下的合并，往往join更为方便