第四章. Pandas进阶—数据合并

第四章. Pandas进阶

4.6 数据合并

数据合并主要使用的是Merge方法和Concat方法

1.数据合并(merge函数)

1).语法：

pandas.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False... )
1

参数说明:
right：合并对象，Series或DataFrame
how：合并类型，可以是left(左合并), right(右合并), outer(外合并), inner(内合并)
on：联接的列或者索引级别名称
left_on：左数据集联接的列或者索引级别名称
right_on：右数据集联接的列或者索引级别名称
left_index：使用左数据集的索引作为连接键（bool类型）
right_index：使用右数据集的索引作为连接键（bool类型）

2).示例

• 示例1：常规合并

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)  # 处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)  # 无法对齐主要是因为列标题是中文

df1 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet1')
print(df1)
print('*' * 50)

df2 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet2')
print(df2)
print('*' * 50)

df_merge1 = pd.merge(df1, df2, on='序号', how='left')
print(df_merge1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

结果展示:

• 示例2：多对一的数据合并：

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)  # 处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)  # 无法对齐主要是因为列标题是中文

df1 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet1')
print(df1)
print('*' * 50)

df2 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet2')
print(df2)
print('*' * 50)

df_merge1 = pd.merge(df1, df2, on='序号')
print(df_merge1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

结果展示:

• 示例3：多对多的数据合并：

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)  # 处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)  # 无法对齐主要是因为列标题是中文

df1 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet1')
print(df1)
print('*' * 50)

df2 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet2')
print(df2)
print('*' * 50)

df_merge1 = pd.merge(df1, df2, on='序号')
print(df_merge1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

结果展示:

2.数据合并(Concat函数)

1).语法：

pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None,verify_integrity=False,sort=False, copy=True): 
1

参数说明:
objs：合并对象，Series或DataFrame
axis：0:代表列；1：代表行；默认0
join：inner：交集 outer：并集

2).示例

• 示例1：相同字段的表首尾相连

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)  # 处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)  # 无法对齐主要是因为列标题是中文

df1 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet1')
print(df1)
print('*' * 50)

df2 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet2')
print(df2)
print('*' * 50)

df_concat1 = pd.concat([df1, df2], keys=['Sheet1', 'Sheet2'])
print(df_concat1)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果展示:

• 示例2：横向表对齐（行对齐）

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)  # 处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)  # 无法对齐主要是因为列标题是中文

df1 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet1')
print(df1)
print('*' * 50)

df2 = pd.read_excel('F:\\Note\\图书采购清单.xlsx', sheet_name='Sheet3')
print(df2)
print('*' * 50)

df_concat1 = pd.concat([df1, df2], keys=['Sheet1', 'Sheet3'], axis=1)
print(df_concat1)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果展示: