@この記事は公開番号から来ています:csdn2299、公開番号プログラマアカデミーに注意を払うことができるように、
今日XiaobianはDataFrameデータマージの例を共有し、良い参照値を持つPandasで結合(結合、結合、結合)します、私は皆を助けたいと思います。エディターと一緒に見てみましょう
最近、仕事でデータのマージや接続に問題が出てきたので、以下のように整理して、参考にさせていただきます〜
1.連結:複数のオブジェクトを軸に沿って積み重ねます
concatメソッドは、データベース内のすべてのunionに相当し、接続方法(外部結合または内部結合)を指定できるだけでなく、軸に従って接続を指定することもできます。データベースとは異なり、重複排除は行われませんが、drop_duplicatesメソッドを使用して重複排除の効果を得ることができます。
concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False, copy=True):
pd.concat()は、2つのテーブルをスプライスするだけです。パラメータ軸はキーです。これは、行か列かを指定するために使用されます。軸はデフォルトで0です。
axis = 0の場合、pd.concat([obj1、obj2])の効果はobj1.append(obj2)と同じです。axis= 1の場合、pd.concat([obj1、obj2]、axis = 1)効果はpd.mergeと同じです(obj1、obj2、left_index = True、right_index = True、how = 'outer')。
mergeメソッドの概要については、以下を参照してください。
パラメータの紹介:
objs:接続する必要のあるオブジェクトのコレクション。通常はリストまたは辞書。
軸:接続軸;
結合:パラメータは「外部」または「内部」です。
join_axes = []:カスタムインデックスを指定します。
keys = []:階層インデックスを作成します。
ignore_index = True:インデックスを再構築します
例:pd.concat()は、2つのテーブルをつなぎ合わせるだけですパラメーターの軸はキーであり、行か列かを指定するために使用されます。
axis = 0の場合、pd.concat([obj1、obj2])の効果はobj1.append(obj2)と同じです。axis= 1の場合、pd.concat([obj1、obj2]、axis = 1)効果はpd.mergeと同じです(obj1、obj2、left_index = True、right_index = True、how = 'outer')。
mergeメソッドの概要については、以下を参照してください。
パラメータの紹介:
objs:接続する必要のあるオブジェクトのコレクション。通常はリストまたは辞書。
軸:接続軸;
結合:パラメータは「外部」または「内部」です。
join_axes = []:カスタムインデックスを指定します。
keys = []:階層インデックスを作成します。
ignore_index = True:インデックスを再構築します
例:
df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])
df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])
pd.concat([df1,df2])
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
0 -0.316156 -0.707832 NaN -0.416589
1 0.406830 1.345932 NaN -1.874817
pd.concat([df1,df2],ignore_index=True)
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
3 -0.316156 -0.707832 NaN -0.416589
4 0.406830 1.345932 NaN -1.874817
次に、マージ:キーで列をスプライスします
リレーショナルデータベースの接続方法と同様に、1つ以上のキーに応じて異なるDatFrameを接続できます。この関数の一般的なアプリケーションシナリオは、同じ主キーに対して2つの異なるフィールドを持つテーブルの場合、主キーに従って1つのテーブルに統合されます。
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)
パラメータの紹介:
左と右:2つの異なるデータフレーム。
方法:接続方法、内部、左、右、外部、デフォルトは内部。
on:接続に使用される列インデックス名を参照し、左右のDataFrameに存在する必要があります。指定されておらず、他のパラメーターが指定されていない場合、2つのDataFrame列名の共通部分が接続キーになります。
left_on:左側のDataFrameのキーを接続するために使用される列名。このパラメーターは、左側と右側の列名は異なるが意味が同じ場合に非常に役立ちます。
right_on:右側のDataFrameのキーを接続するために使用される列名。
left_index:左側のDataFrameの行インデックスを接続キーとして使用します。
right_index:右側のDataFrameの行インデックスを接続キーとして使用します。
sort:デフォルトでTrue、マージされたデータをソートし、Falseに設定してパフォーマンスを向上させます。
suffixes:文字列値で構成されるタプル。左と右のDataFrameに同じ列名が存在する場合に列名に追加される接尾辞名を指定するために使用され、デフォルトは( '_x'、 '_y');
copy:デフォルトではTrueです。常にデータをデータ構造にコピーし、Falseに設定するとパフォーマンスが向上します。
インジケーター:マージされたデータのデータのソースを表示します
例:
# 1.默认以重叠的列名当做连接键。
df1=DataFrame({'key':['a','b','b'],'data1':range(3)})
df2=DataFrame({'key':['a','b','c'],'data2':range(3)})
pd.merge(df1,df2) #没有指定连接键,默认用重叠列名,没有指定连接方式
data1 key data2
0 0 a 0
1 1 b 1
2 2 b 1
# 2.默认做inner连接(取key的交集),连接方式还有(left,right,outer),制定连接方式加参数:how=''
pd.merge(df2,df1)
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2 #默认内连接,可以看见c没有连接上。
pd.merge(df2,df1,how='left') #通过how,指定连接方式
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2
3 2 c NaN
# 3.多键连接时将连接键组成列表传入,例:pd.merge(df1,df2,on=['key1','key2']
right=DataFrame({'key1':['foo','foo','bar','bar'],
'key2':['one','one','one','two'],
'lval':[4,5,6,7]})
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'],
'lval':[4,5,6,7]})
pd.merge(left,right,on=['key1','key2'],how='outer') #传出数组
key1 key2 lval_x lval_y
0 foo one 1 4
1 foo one 1 5
2 foo two 2 NaN
3 bar one 3 6
4 bar two NaN 7
# 4.如果两个对象的列名不同,可以分别指定,例:pd.merge(df1,df2,left_on='lkey',right_on='rkey')
df3=DataFrame({'key3':['foo','foo','bar','bar'], #将上面的right的key 改了名字
'key4':['one','one','one','two'],
'lval':[4,5,6,7]})
pd.merge(left,df3,left_on='key1',right_on='key3') #键名不同的连接
key1 key2 lval_x key3 key4 lval_y
0 foo one 1 foo one 4
1 foo one 1 foo one 5
2 foo two 2 foo one 4
3 foo two 2 foo one 5
4 bar one 3 bar one 6
5 bar one 3 bar two 7
3、結合:主にインデックスのマージに使用
join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):
パラメータの意味は基本的にマージ方法と同じです。
読んでいただきありがとうございます
。大学でpythonを学ぶことを選んだとき、コンピュータの基礎がおかしいことに気付きました。学業資格はあり
ませんでした。これは何もする必要はありません。それを補うことしかできません。道は、Pythonのコア知識を学び続け、コンピューターの基礎の詳細な研究を整理し、平凡になりたくない場合は、コーディングに参加して成長を続けてください!
実は、ここには技術だけでなく、それ以外のものもあり、例えば「絹糸」というよりも、どうやってプログラマーとして絶妙な存在になるのか、プログラマー自体が高貴な存在ですね。[参加するにはクリックしてください]自分らしくなりたい、高貴な人になりたい、是非!