目录
- 1.合并
- 1.1 结构合并
- 1.1.1 concat函数
- 1.1.2 append函数
- 1.2 字段合并
- 2.去重
1.合并
1.1 结构合并
将两个结构相同的数据合并
1.1.1 concat函数
函数配置：
concat([dataFrame1, dataFrame2,…], index_ingore=False)
参数说明：index_ingore=False（表示合并的索引不延续），index_ingore=True（表示合并的索引可延续）
实例：
import pandas as pd import numpy as np # 创建一个十行两列的二维数据 df = pd.DataFrame(np.random.randint(0, 10, (3, 2)), columns=['A', 'B']) # 将数据拆分成两份，并保存在列表中 data_list = [df[0:2], df[3:]] # 索引值不延续 df1 = pd.concat(data_list, ignore_index=False) # 索引值延续 df2 = pd.concat(data_list, ignore_index=True)
返回结果：
—————-df————————–
A B
0 7 8
1 7 3
2 5 9
3 4 0
4 1 8
—————-df1————————–
A B
0 7 8
1 7 3
3 4 0# ————–>这里并没有2出现，索引不连续
4 1 8
—————-df2————————–
A B
0 7 8
1 7 3
2 4 0
3 1 8
1.1.2 append函数
函数配置：
df.append(df1, index_ignore=True)
参数说明：index_ingore=False（表示索引不延续），index_ingore=True（表示索引延续）
实例：
import pandas as pd import numpy as np # 创建一个五行两列的二维数组 df = pd.DataFrame(np.random.randint(0, 10, (5, 2)), columns=['A', 'B']) # 创建要追加的数据 narry = np.random.randint(0, 10, (3, 2)) data_list = pd.DataFrame(narry, columns=['A', 'B']) # 合并数据 df1 = df.append(data_list, ignore_index=True)
返回结果：
—————-df————————–
A B
0 5 6
1 1 2
2 5 3
3 1 8
4 1 2
—————-df1————————–
A B
0 5 6
1 1 2
2 5 3
3 1 8
4 1 2
5 8 1
6 3 5
7 1 1
1.2 字段合并
将同一个数据不同列合并
参数配置：
pd.merge( left, right, how="inner", on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=("_x", "_y"), copy=True, indicator=False, validate=None, )
参数说明：
| 参数 | 说明 |
|---|---|
| how | 连接方式：inner、left、right、outer，默认为 inner |
| on | 用于连接的列名 |
| left_on | 左表用于连接的列名 |
| right_on | 右表用于连接的列名 |
| Left_index | 是否使用左表的行索引作为连接键，默认为False |
| Right_index | 是否使用右表的行索引作为连接键，默认为False |
| sort | 默认为False，将合并的数据进行排序 |
| copy | 默认为True。总是将数据复制到数据结构中，设置为False可以提高性能 |
| suffixes | 存在相同列名时在列名后面添加的后缀，默认为（’_x’, ‘_y’） |
| indicator | 显示合并数据中数据来自哪个表 |
实例1：
import pandas as pd
df1 = pd.DataFrame({'key':['a','b','c'], 'data1':range(3)})
df2 = pd.DataFrame({'key':['a','b','c'], 'data2':range(3)})
df = pd.merge(df1, df2) # 合并时默认以重复列并作为合并依据
结果展示：
—————-df1————————–
key data1
0 a 0
1 b 1
2 c 2
—————-df2————————–
key data2
0 a 0
1 b 1
2 c 2
—————-df—————————
key data1 data2
0 a 0 0
1 b 1 1
2 c 2 2
实例2：
# 多键连接时将连接键组成列表传入
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]})
pd.merge(left,right,on=['key1','key2'],how='outer')
结果展示：
—————-right————————-
key1 key2 lval
0 foo one 4
1 foo one 5
2 bar one 6
3 bar two 7
—————-left————————–
key1 key2 lval
0 foo one 1
1 foo two 2
2 bar one 3
—————-df—————————
key1 key2 lval_x lval_y
0 foo one 1.0 4.0
1 foo one 1.0 5.0
2 foo two 2.0 NaN
3 bar one 3.0 6.0
4 bar two NaN 7.0
2.去重
参数配置：
data.drop_duplicates(subset=['A','B'],keep='first',inplace=True)
参数说明：
| 参数 | 说明 |
|---|---|
| subset | 列名，可选，默认为None |
| keep | {‘first’, ‘last’, False}, 默认值 ‘first’ |
| first | 保留第一次出现的重复行，删除后面的重复行 |
| last | 删除重复项，除了最后一次出现 |
| False | 删除所有重复项 |
| inplace | 布尔值，默认为False，是否直接在原数据上删除重复项或删除重复项后返回副本。（inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本。） |
实例：
去除完全重复的行数据
data.drop_duplicates(inplace=True)
df = pd.DataFrame({
'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'],
'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
'rating': [4, 4, 3.5, 15, 5]
})
df.drop_duplicates()
结果展示：
—————去重前的df—————————
brand style rating
0 Yum Yum cup 4.0
1 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0
—————去重后的df—————————
brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0
使用subset 去除某几列重复的行数据
data.drop_duplicates(subset=[‘A’,‘B’],keep=‘first’,inplace=True)
df.drop_duplicates(subset=['brand'])
结果展示：
brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5
使用 keep删除重复项并保留最后一次出现
df.drop_duplicates(subset=['brand', 'style'], keep='last')
结果展示：
brand style rating
1 Yum Yum cup 4.0
2 Indomie cup 3.5
4 Indomie pack 5.0
评论(0)