【python資料分析（12）】Pandas實現對Excel列表資料整合（merge縱向合併、concat橫向連線）
在進行表格操作的時候，經常需要將兩個excel表格資料進行橫向合併，或者對原有的資料進行縱向擴充，這時候，就可以使用Pandas裡面的 merge 縱向合併和 concat 橫向連線功能了，如下：
2. 縱向合併
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)
left ：第一個df right ：第二個df on ：參考鍵（left_on左邊df的參考鍵、right_on右邊df的參考鍵） left_index、right_indexhow ：合併方式 sort ：排序引數 suffixes=('_x', '_y') 相同列標題時，主動新增字尾部分
樣本資料生成：
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df3 = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df4 = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
2.1 按照相同的列標題進行資料合併
print(df1)
print(df2)
print(pd.merge(df1, df2, on='key'))
–> 輸出的結果為：（最後的輸出結果是按住key欄位資料進行縱向合併）
key A B
0 K0 A0 B0
1 K1 A1 B1
2 K2 A2 B2
3 K3 A3 B3
key C D
0 K0 C0 D0
1 K1 C1 D1
2 K2 C2 D2
3 K3 C3 D3
key A B C D
0 K0 A0 B0 C0 D0
1 K1 A1 B1 C1 D1
2 K2 A2 B2 C2 D2
3 K3 A3 B3 C3 D3
2.2 按照多列標題進行資料合併
print(df3)
print(df4)
print(pd.merge(df3, df4, on=['key1','key2']))
–> 輸出的結果為：（按照兩列相同的資料為依據進行縱向資料合併，不同的行資料會被捨棄）
key1 key2 A B
0 K0 K0 A0 B0
1 K0 K1 A1 B1
2 K1 K0 A2 B2
3 K2 K1 A3 B3
key1 key2 C D
0 K0 K0 C0 D0
1 K1 K0 C1 D1
2 K1 K0 C2 D2
3 K2 K0 C3 D3
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K1 K0 A2 B2 C1 D1
2 K1 K0 A2 B2 C2 D2
2.3 合併方式
根據前面的列出的引數可知引數 how：
1）合併方式預設是 inner ，也就是取交集的意思；
2）此外還有 outer 取並集，資料缺失範圍NaN；
3） how = 'left' ，按照左側的df（下面的df3）為參考合併，資料缺失範圍NaN
4） how = 'right' ，按照右側的df（下面的df4）為參考合併，資料缺失範圍NaN
print(pd.merge(df3, df4,on=['key1','key2'], how = 'inner'))
print(pd.merge(df3, df4, on=['key1','key2'], how = 'outer'))
print(pd.merge(df3, df4, on=['key1','key2'], how = 'left'))
print(pd.merge(df3, df4, on=['key1','key2'], how = 'right'))
–> 輸出的結果為：
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K1 K0 A2 B2 C1 D1
2 K1 K0 A2 B2 C2 D2
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K0 K1 A1 B1 NaN NaN
2 K1 K0 A2 B2 C1 D1
3 K1 K0 A2 B2 C2 D2
4 K2 K1 A3 B3 NaN NaN
5 K2 K0 NaN NaN C3 D3
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K0 K1 A1 B1 NaN NaN
2 K1 K0 A2 B2 C1 D1
3 K1 K0 A2 B2 C2 D2
4 K2 K1 A3 B3 NaN NaN
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K1 K0 A2 B2 C1 D1
2 K1 K0 A2 B2 C2 D2
3 K2 K0 NaN NaN C3 D3
2.4 按照行標題和索引標籤進行資料合併
left_on, right_on, left_index, right_index → 有時候合併的兩組的依據資料內容是一樣，但是標題（可以是行標題，也可以是索引標籤的name）不一樣時候，可以單獨設定左鍵與右鍵
1） 都是以行標題為鍵（ left_on 、 right_on ）
df1 = pd.DataFrame({'lkey':list('bbacaab'),
'data1':range(7)})
df2 = pd.DataFrame({'rkey':list('abd'),
'date2':range(3)})
print(df1)
print(df2)
print(pd.merge(df1, df2, left_on='lkey', right_on='rkey'))
–> 輸出的結果為：（依據的鍵的內容也會在陣列列表中，可擴充套件）
lkey data1
0 b 0
1 b 1
2 a 2
3 c 3
4 a 4
5 a 5
6 b 6
rkey date2
0 a 0
1 b 1
2 d 2
lkey data1 rkey date2
0 b 0 b 1
1 b 1 b 1
2 b 6 b 1
3 a 2 a 0
4 a 4 a 0
5 a 5 a 0
2） 一個以行標題，一個以索引標籤（ left_on 、 right_index ）
df1 = pd.DataFrame({'key':list('abcdfeg'),
'data1':range(7)})
df2 = pd.DataFrame({'date2':range(100,105)},
index = list('abcde'))
print(df1)
print(df2)
print(pd.merge(df1, df2, left_on='key', right_index=True))
–> 輸出的結果為：（會選取相同的部分，不符合的會被捨棄）
key data1
0 a 0
1 b 1
2 c 2
3 d 3
4 f 4
5 e 5
6 g 6
date2
a 100
b 101
c 102
d 103
e 104
key data1 date2
0 a 0 100
1 b 1 101
2 c 2 102
3 d 3 103
5 e 5 104
所以left_on, right_on, left_index, right_index可以相互組合（四種搭配）：
left_on + right_on , left_on + right_index , left_index + right_on , left_index + right_index
3） sort 引數，這裡可以使用，但是建議使用 sort_values ， sort_index ，比較精細化
4） suffixes=('_x', '_y') 預設當資料的標題重名時候是以 _x ,和 _y 作為字尾的，可以進行修改
df1 = pd.DataFrame({'key':list('adcbfeg'),
'data1':[1,3,2,4,5,9,7]})
df2 = pd.DataFrame({'data1':range(100,105)},
index = list('abcde'))
print(df1)
print(df2)
print(pd.merge(df1, df2, left_on='key', sort=True,suffixes=('_1', '_2'), right_index=True))
–> 輸出的結果為：
key data1
0 a 1
1 d 3
2 c 2
3 b 4
4 f 5
5 e 9
6 g 7
data1
a 100
b 101
c 102
d 103
e 104
key data1_1 data1_2
0 a 1 100
3 b 4 101
2 c 2 102
1 d 3 103
5 e 9 104
3. 橫向連線
pd.concat (objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)
括號內為預設引數
s1 = pd.Series([1,2,3])
s2 = pd.Series([2,3,4])
s3 = pd.Series([1,2,3],index = ['a','c','h'])
s4 = pd.Series([2,3,4],index = ['b','e','d'])
print(pd.concat([s1,s2]))
print(pd.concat([s3,s4]).sort_index())
–> 輸出的結果為：
0 1
1 2
2 3
0 2
1 3
2 4
dtype: int64
a 1
b 2
c 2
d 4
e 3
h 3
dtype: int64
3.1 預設 axis=0 ，行+行，當 axis=1 ,列+列
print(pd.concat([s3,s4], axis=1))
–> 輸出的結果為：
0 1
a 1.0 NaN
b NaN 2.0
c 2.0 NaN
d NaN 4.0
e NaN 3.0
h 3.0 NaN
3.2 連線方式：join，join_axes
join ：{‘inner’，‘outer’}，預設為“outer”。如何處理其他軸上的索引。outer為聯合和inner為交集。
join_axes ：指定聯合的index
s5 = pd.Series([1,2,3],index = ['a','b','c'])
s6 = pd.Series([2,3,4],index = ['b','c','d'])
print(pd.concat([s5,s6], axis= 1))
print(pd.concat([s5,s6], axis= 1, join='inner'))
print(pd.concat([s5,s6], axis= 1, join_axes=[['a','b','d']]))
–> 輸出的結果為：
0 1
a 1.0 NaN
b 2.0 2.0
c 3.0 3.0
d NaN 4.0
0 1
b 2 2
c 3 3
0 1
a 1.0 NaN
b 2.0 2.0
d NaN 4.0
3.3 多層次索引標籤（覆蓋列名）
1） keys ：序列，預設值無。使用傳遞的鍵作為最外層構建層次索引
sre = pd.concat([s5,s6], keys = ['one','two'])
print(sre,type(sre))
print(sre.index)
–> 輸出的結果為：
one a 1
b 2
c 3
two b 2
c 3
d 4
dtype: int64 <class 'pandas.core.series.Series'>
MultiIndex([('one', 'a'),
('one', 'b'),
('one', 'c'),
('two', 'b'),
('two', 'c'),
('two', 'd')],
)
2） axis = 1 , 覆蓋列名（相當於指定新的列標題）
sre = pd.concat([s5,s6], axis=1, keys = ['one','two'])
print(sre,type(sre))
–> 輸出的結果為：
one two
a 1.0 NaN
b 2.0 2.0
c 3.0 3.0
d NaN 4.0 <class 'pandas.core.frame.DataFrame'>
★★★★★ 3.4 資料修補
1） pd.combine_first() 進行資料的修補， 是將括號裡面的資料df2補充到前面的資料df1中
df1 = pd.DataFrame([[np.nan, 3., 5.], [-4.6, np.nan, np.nan],[np.nan, 7., np.nan]])
df2 = pd.DataFrame([[-42.6, np.nan, -8.2], [-5., 1.6, 4]],index=[1, 2])
print(df1)
print(df2)
print(df1.combine_first(df2))
–> 輸出的結果為：
0 1 2
0 NaN 3.0 5.0
1 -4.6 NaN NaN
2 NaN 7.0 NaN
0 1 2
1 -42.6 NaN -8.2
2 -5.0 1.6 4.0
0 1 2
0 NaN 3.0 5.0
1 -4.6 NaN -8.2
2 -5.0 7.0 4.0
2） update() 直接df2覆蓋df1，相同index位置，更新df1中的資料
df1.update(df2)
print(df1)
–> 輸出的結果為：（注意對比和上面的結果）
0 1 2
0 NaN 3.0 5.0
1 -42.6 NaN -8.2
2 -5.0 1.6 4.0