博客

pandas实现数据合并的示例代码

  • Post category:Python

当我们需要将多个数据表合并成一个数据表时，可以借助 Pandas 库中的 merge 和 concat 方法实现。下面详细讲解 Pandas 实现数据合并的示例代码的完整攻略。

使用 merge 方法进行数据合并

merge 方法可以根据一个或多个键将不同 DataFrame 中的行连接到一起。其示例代码如下：

import pandas as pd

# 创建数据表 df1 和 df2
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value': [5, 6, 7, 8]})

# 合并数据表 df1 和 df2，根据共同的键 key 进行合并
merged = pd.merge(df1, df2, on='key')

print(merged)

上述示例代码中，我们创建了两个 DataFrame，分别是 df1 和 df2，在合并时通过 on 参数指定合并的键是 key。合并的结果如下：

  key  value_x  value_y
0   B        2        5
1   D        4        6

使用 concat 方法进行数据合并

concat 方法可以将多个 DataFrame 沿着一个轴方向连接起来，形成一个更大的 DataFrame。其示例代码如下：

import pandas as pd

# 创建数据表 df1 和 df2
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']})

# 沿着行方向将数据表 df1、df2 和 df3 连接起来
concatenated = pd.concat([df1, df2, df3])

print(concatenated)

上述示例代码中，我们创建了三个 DataFrame，分别是 df1、df2 和 df3。在将它们拼接起来的时候，使用 concat 方法，并将需要拼接的 DataFrame 以列表的形式传入。连接起来的结果如下：

     A    B    C    D
0   A0   B0   C0   D0
1   A1   B1   C1   D1
2   A2   B2   C2   D2
3   A3   B3   C3   D3
0   A4   B4   C4   D4
1   A5   B5   C5   D5
2   A6   B6   C6   D6
3   A7   B7   C7   D7
0   A8   B8   C8   D8
1   A9   B9   C9   D9
2  A10  B10  C10  D10
3  A11  B11  C11  D11

通过以上两个示例，可以很好地掌握 Pandas 实现数据合并的方法。

Tags: