pandas dataframe的合并实现（append, merge, concat）

技术  /  管理员 发布于 7年前   401

创建2个DataFrame：

>>> df1 = pd.DataFrame(np.ones((4, 4))*1, columns=list('DCBA'), index=list('4321'))>>> df2 = pd.DataFrame(np.ones((4, 4))*2, columns=list('FEDC'), index=list('6543'))>>> df3 = pd.DataFrame(np.ones((4, 4))*3, columns=list('FEBA'), index=list('6521'))>>> df1  D  C  B  A4 1.0 1.0 1.0 1.03 1.0 1.0 1.0 1.02 1.0 1.0 1.0 1.01 1.0 1.0 1.0 1.0>>> df2  F  E  D  C6 2.0 2.0 2.0 2.05 2.0 2.0 2.0 2.04 2.0 2.0 2.0 2.03 2.0 2.0 2.0 2.0>>> df3  F  E  B  A6 3.0 3.0 3.0 3.05 3.0 3.0 3.0 3.02 3.0 3.0 3.0 3.01 3.0 3.0 3.0 3.0 　　

1，concat

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

 示例：

>>> pd.concat([df1, df2])  A  B  C  D  E  F4 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN6 NaN NaN 2.0 2.0 2.0 2.05 NaN NaN 2.0 2.0 2.0 2.04 NaN NaN 2.0 2.0 2.0 2.03 NaN NaN 2.0 2.0 2.0 2.0 

1.1，axis

默认值：axis=0
axis=0：竖方向（index）合并，合并方向index作列表相加，非合并方向columns取并集
axis=1：横方向（columns）合并，合并方向columns作列表相加，非合并方向index取并集
axis=0：

>>> pd.concat([df1, df2], axis=0)  A  B  C  D  E  F4 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN6 NaN NaN 2.0 2.0 2.0 2.05 NaN NaN 2.0 2.0 2.0 2.04 NaN NaN 2.0 2.0 2.0 2.03 NaN NaN 2.0 2.0 2.0 2.0　 

axis=1：

>>> pd.concat([df1, df2], axis=1)  D  C  B  A  F  E  D  C1 1.0 1.0 1.0 1.0 NaN NaN NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN NaN NaN3 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.04 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.05 NaN NaN NaN NaN 2.0 2.0 2.0 2.06 NaN NaN NaN NaN 2.0 2.0 2.0 2.0 

备注：原df中，取并集的行/列名称不能有重复项，即axis=0时columns不能有重复项，axis=1时index不能有重复项：

>>> df1.columns = list('DDBA')>>> pd.concat([df1, df2], axis=0)ValueError: Plan shapes are not aligned 

1.2，join

默认值：join=‘outer'
非合并方向的行/列名称：取交集（inner），取并集（outer）。
axis=0时join='inner'，columns取交集：

>>> pd.concat([df1, df2], axis=0, join='inner')  D  C4 1.0 1.03 1.0 1.02 1.0 1.01 1.0 1.06 2.0 2.05 2.0 2.04 2.0 2.03 2.0 2.0 

axis=1时join='inner'，index取交集：

>>> pd.concat([df1, df2], axis=1, join='inner')  D  C  B  A  F  E  D  C4 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.03 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.0 

1.3，join_axes

默认值：join_axes=None，取并集
合并后，可以设置非合并方向的行/列名称，使用某个df的行/列名称
axis=0时join_axes=[df1.columns]，合并后columns使用df1的：

>>> pd.concat([df1, df2], axis=0, join_axes=[df1.columns])  D  C  B  A4 1.0 1.0 1.0 1.03 1.0 1.0 1.0 1.02 1.0 1.0 1.0 1.01 1.0 1.0 1.0 1.06 2.0 2.0 NaN NaN5 2.0 2.0 NaN NaN4 2.0 2.0 NaN NaN3 2.0 2.0 NaN NaN 

axis=1时axes=[df1.index]，合并后index使用df2的：

pd.concat([df1, df2], axis=1, join_axes=[df1.index])  D  C  B  A  F  E  D  C4 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.03 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.02 1.0 1.0 1.0 1.0 NaN NaN NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN NaN NaN 

同时设置join和join_axes的，以join_axes为准：

>>> pd.concat([df1, df2], axis=0, join='inner', join_axes=[df1.columns])  D  C  B  A4 1.0 1.0 1.0 1.03 1.0 1.0 1.0 1.02 1.0 1.0 1.0 1.01 1.0 1.0 1.0 1.06 2.0 2.0 NaN NaN5 2.0 2.0 NaN NaN4 2.0 2.0 NaN NaN3 2.0 2.0 NaN NaN 

1.4，ignore_index

默认值：ignore_index=False

合并方向是否忽略原行/列名称，而采用系统默认的索引，即从0开始的int。

axis=0时ignore_index=True，index采用系统默认索引：

>>> pd.concat([df1, df2], axis=0, ignore_index=True)  A  B  C  D  E  F0 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN4 NaN NaN 2.0 2.0 2.0 2.05 NaN NaN 2.0 2.0 2.0 2.06 NaN NaN 2.0 2.0 2.0 2.07 NaN NaN 2.0 2.0 2.0 2.0 

axis=1时ignore_index=True，columns采用系统默认索引：

>>> pd.concat([df1, df2], axis=1, ignore_index=True)  0  1  2  3  4  5  6  71 1.0 1.0 1.0 1.0 NaN NaN NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN NaN NaN3 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.04 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.05 NaN NaN NaN NaN 2.0 2.0 2.0 2.06 NaN NaN NaN NaN 2.0 2.0 2.0 2.0 

1.5，keys

默认值：keys=None

可以加一层标签，标识行/列名称属于原来哪个df。

axis=0时设置keys：

>>> pd.concat([df1, df2], axis=0, keys=['x', 'y'])   A  B  C  D  E  Fx 4 1.0 1.0 1.0 1.0 NaN NaN 3 1.0 1.0 1.0 1.0 NaN NaN 2 1.0 1.0 1.0 1.0 NaN NaN 1 1.0 1.0 1.0 1.0 NaN NaNy 6 NaN NaN 2.0 2.0 2.0 2.0 5 NaN NaN 2.0 2.0 2.0 2.0 4 NaN NaN 2.0 2.0 2.0 2.0 3 NaN NaN 2.0 2.0 2.0 2.0 

axis=1时设置keys：

>>> pd.concat([df1, df2], axis=1, keys=['x', 'y'])   x          y           D  C  B  A  F  E  D  C1 1.0 1.0 1.0 1.0 NaN NaN NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN NaN NaN3 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.04 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.05 NaN NaN NaN NaN 2.0 2.0 2.0 2.06 NaN NaN NaN NaN 2.0 2.0 2.0 2.0　 

也可以传字典取代keys：

>>> pd.concat({'x': df1, 'y': df2}, axis=0)   A  B  C  D  E  Fx 4 1.0 1.0 1.0 1.0 NaN NaN 3 1.0 1.0 1.0 1.0 NaN NaN 2 1.0 1.0 1.0 1.0 NaN NaN 1 1.0 1.0 1.0 1.0 NaN NaNy 6 NaN NaN 2.0 2.0 2.0 2.0 5 NaN NaN 2.0 2.0 2.0 2.0 4 NaN NaN 2.0 2.0 2.0 2.0 3 NaN NaN 2.0 2.0 2.0 2.0 

1.6，levels

默认值：levels=None

明确行/列名称取值范围：

>>> pd.concat([df1, df2], axis=0, keys=['x', 'y'], levels=[['x', 'y', 'z', 'w']])>>> df.index.levels[['x', 'y', 'z', 'w'], ['1', '2', '3', '4', '5', '6']] 

1.7，sort

默认值：sort=True，提示新版本会设置默认为False，并取消该参数

但0.22.0中虽然取消了，还是设置为True

非合并方向的行/列名称是否排序。例如1.1中默认axis=0时columns进行了排序，axis=1时index进行了排序。

axis=0时sort=False，columns不作排序：

>>> pd.concat([df1, df2], axis=0, sort=False)  D  C  B  A  F  E4 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN6 2.0 2.0 NaN NaN 2.0 2.05 2.0 2.0 NaN NaN 2.0 2.04 2.0 2.0 NaN NaN 2.0 2.03 2.0 2.0 NaN NaN 2.0 2.0 

axis=1时sort=False，index不作排序：

>>> pd.concat([df1, df2], axis=1, sort=False)  D  C  B  A  F  E  D  C4 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.03 1.0 1.0 1.0 1.0 2.0 2.0 2.0 2.02 1.0 1.0 1.0 1.0 NaN NaN NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN NaN NaN6 NaN NaN NaN NaN 2.0 2.0 2.0 2.05 NaN NaN NaN NaN 2.0 2.0 2.0 2.0 

1.8，concat多个DataFrame

>>> pd.concat([df1, df2, df3], sort=False, join_axes=[df1.columns])  D  C  B  A4 1.0 1.0 1.0 1.03 1.0 1.0 1.0 1.02 1.0 1.0 1.0 1.01 1.0 1.0 1.0 1.06 2.0 2.0 NaN NaN5 2.0 2.0 NaN NaN4 2.0 2.0 NaN NaN3 2.0 2.0 NaN NaN6 NaN NaN 3.0 3.05 NaN NaN 3.0 3.02 NaN NaN 3.0 3.01 NaN NaN 3.0 3.0 

2，append

append(self, other, ignore_index=False, verify_integrity=False) 

竖方向合并df，没有axis属性

不会就地修改，而是会创建副本

示例：

>>> df1.append(df2)  # 相当于pd.concat([df1, df2])  A  B  C  D  E  F4 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN6 NaN NaN 2.0 2.0 2.0 2.05 NaN NaN 2.0 2.0 2.0 2.04 NaN NaN 2.0 2.0 2.0 2.03 NaN NaN 2.0 2.0 2.0 2.0　　 

2.1，ignore_index属性

>>> df1.append(df2, ignore_index=True)  A  B  C  D  E  F0 1.0 1.0 1.0 1.0 NaN NaN1 1.0 1.0 1.0 1.0 NaN NaN2 1.0 1.0 1.0 1.0 NaN NaN3 1.0 1.0 1.0 1.0 NaN NaN4 NaN NaN 2.0 2.0 2.0 2.05 NaN NaN 2.0 2.0 2.0 2.06 NaN NaN 2.0 2.0 2.0 2.07 NaN NaN 2.0 2.0 2.0 2.0

2.2，append多个DataFrame

和concat相同，append也支持append多个DataFrame

>>> df1.append([df2, df3], ignore_index=True)   A  B  C  D  E  F0  1.0 1.0 1.0 1.0 NaN NaN1  1.0 1.0 1.0 1.0 NaN NaN2  1.0 1.0 1.0 1.0 NaN NaN3  1.0 1.0 1.0 1.0 NaN NaN4  NaN NaN 2.0 2.0 2.0 2.05  NaN NaN 2.0 2.0 2.0 2.06  NaN NaN 2.0 2.0 2.0 2.07  NaN NaN 2.0 2.0 2.0 2.08  3.0 3.0 NaN NaN 3.0 3.09  3.0 3.0 NaN NaN 3.0 3.010 3.0 3.0 NaN NaN 3.0 3.011 3.0 3.0 NaN NaN 3.0 3.0 

3，merge

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

示例：　　

>>> left = pd.DataFrame({'A': ['a0', 'a1', 'a2', 'a3'], 'B': ['b0', 'b1', 'b2', 'b3'], 'k1': ['x', 'x', 'y', 'y']})>>> right = pd.DataFrame({'C': ['c1', 'c2', 'c3', 'c4'], 'D': ['d1', 'd2', 'd3', 'd4'], 'k1': ['y', 'y', 'z', 'z']})>>> left  A  B k10 a0 b0 x1 a1 b1 x2 a2 b2 y3 a3 b3 y>>> right  C  D k10 c1 d1 y1 c2 d2 y2 c3 d3 z3 c4 d4 z 

对df1和df2进行merge：

>>> pd.merge(left, right)  A  B k1 C  D0 a2 b2 y c1 d11 a2 b2 y c2 d22 a3 b3 y c1 d13 a3 b3 y c2 d2 

可以看到只有df1和df2的key1=y的行保留了下来，即默认合并后只保留有共同列项并且值相等行（即交集）。

本例中left和right的k1=y分别有2个，最终构成了2*2=4行。

如果没有共同列会报错：

>>> del left['k1']>>> pd.merge(left, right)pandas.errors.MergeError: No common columns to perform merge on 

3.1，on属性

新增一个共同列，但没有相等的值，发现合并返回是空列表，因为默认只保留所有共同列都相等的行：

>>> left['k2'] = list('1234')>>> right['k2'] = list('5678')>>> pd.merge(left, right)Empty DataFrameColumns: [B, A, k1, k2, F, E]Index: [] 

可以指定on，设定合并基准列，就可以根据k1进行合并，并且left和right共同列k2会同时变换名称后保留下来：

>>> pd.merge(left, right, on='k1')  A  B k1 k2_x  C  D  k2_y0 a2 b2 y   3  c1 d1  51 a2 b2 y   3  c2 d2  62 a3 b3 y   4  c1 d1  53 a3 b3 y   4  c2 d2  6

默认值：on的默认值是所有共同列，本例为：on=['k1', 'k2']

3.2，how属性

how取值范围：'inner', 'outer', 'left', 'right'

默认值：how='inner'

‘inner'：共同列的值必须完全相等：

>>> pd.merge(left, right, on='k1', how='inner')  A  B k1 k2_x  C  D  k2_y0 a2 b2 y   3  c1 d1  51 a2 b2 y   3  c2 d2  62 a3 b3 y   4  c1 d1  53 a3 b3 y   4  c2 d2  6 

‘outer'：共同列的值都会保留，left或right在共同列上的差集，会对它们的缺失列项的值赋上NaN：

>>> pd.merge(left, right, on='k1', how='outer')  A  B k1  k2_x C  D k2_y0  a0  b0 x  1 NaN NaN NaN1  a1  b1 x  2 NaN NaN NaN2  a2  b2 y  3  c1  d1  53  a2  b2 y  3  c2  d2  64  a3  b3 y  4  c1  d1  55  a3  b3 y  4  c2  d2  66 NaN NaN z NaN  c3  d3  77 NaN NaN z NaN  c4  d4  8 

‘left'：根据左边的DataFrame确定共同列的保留值，右边缺失列项的值赋上NaN：

pd.merge(left, right, on='k1', how='left')  A  B k1 k2_x C  D  k2_y0 a0 b0 x  1 NaN NaN NaN1 a1 b1 x  2 NaN NaN NaN2 a2 b2 y  3  c1  d1  53 a2 b2 y  3  c2  d2  64 a3 b3 y  4  c1  d1  55 a3 b3 y  4  c2  d2  6 

‘right'：根据右边的DataFrame确定共同列的保留值，左边缺失列项的值赋上NaN：

>>> pd.merge(left, right, on='k1', how='right')   A  B k1 k2_x C  D  k2_y0  a2  b2 y  3 c1 d1  51  a3  b3 y  4 c1 d1  52  a2  b2 y  3 c2 d2  63  a3  b3 y  4 c2 d2  64 NaN NaN z NaN c3 d3  75 NaN NaN z NaN c4 d4  8 

3.3，indicator

默认值：indicator=False，不显示合并方式

设置True表示显示合并方式，即left / right / both：

>>> pd.merge(left, right, on='k1', how='outer', indicator=True)   A  B k1 k2_x C  D  k2_y   _merge0  a0  b0 x  1 NaN NaN NaN  left_only1  a1  b1 x  2 NaN NaN NaN  left_only2  a2  b2 y  3  c1  d1  5    both3  a2  b2 y  3  c2  d2  6    both4  a3  b3 y  4  c1  d1  5    both5  a3  b3 y  4  c2  d2  6    both6 NaN NaN z NaN  c3  d3  7 right_only7 NaN NaN z NaN  c4  d4  8 right_only 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。