Python合并数据、多表连接查询的几种方式

男娘i 2023-01-02 13:24 256阅读 0赞

![format_png][]

## python数据合并、多表连接查询    ##

### 1、concat() ###

我们可以通过DataFrame或Series类型的concat方法，来进行连接操作，连接时，会根据索引进行对齐。

*  axis：指定连接轴，默认为0(上下)。【axis=0/1】
 *  join：指定连接方式，默认为外连接。【join='outer'：并集，join='inner'：交集】
 *  keys：可以用来区分不同的数据组。形成层级索引【这个稍微难理解一点】
 *  join\_axes：指定连接结果集中保留的索引。默认全部保留【如：join\_axes=\[df1.columns\]】
 *  ignore\_index：忽略原来连接的索引，创建新的整数序列索引，默认为False。【ignore\_index=True/False】
 *  sort：concat之后，是否按照列索引排序，sort=True/False

df1=pd.DataFrame({"date":[2015,2016,2017,2018,2019],"x1":[2000,3000,5000,8000,10000],"x2":[np.nan,"d","d","c","c"]})
    df2=pd.DataFrame({'date':[2017,2018,2019,2020],"y1":[1000,2000,3000,2000]})
    # display(df1,df2)
    df3=pd.concat([df1,df2],keys=["df1","df2"])
    display(df3)
    #索引层级索引元素时，先外再内
    df3.loc["df2",3].loc["y1"]

![format_png 1][]

### 2、append() ###

在对行进行连接时，也可以使用Series或DataFrame的append方法。append是concat的简略形式,只不过只能在axis=0上进行合并。

### 3、merge() ###

通过pandas或DataFrame的merge方法，可以进行两个DataFrame的连接，这种连接类似于SQL中对两张表进行的join连接。

*  how：指定连接方式。可以是inner, outer, left, right，默认为inner。
 *  on：指定连接使用的列（该列必须同时出现在两个DataFrame中），默认使用两个DataFrame中的所有同名列进行连接。
 *  left\_on / right\_on：指定左右DataFrame中连接所使用的列。
 *  left\_index / right\_index：是否将左边（右边）DataFrame中的索引作为连接列，默认为False。
 *  suffixes：当两个DataFrame列名相同时，指定每个列名的后缀（用来区分），默认为x与y。

df1=pd.DataFrame({"date":[2015,2016,2017,2018,2019],"x1":[2000,3000,5000,8000,10000],"x2":[np.nan,"d","d","c","c"]})
    df2=pd.DataFrame({'date':[2017,2018,2019,2020],"y1":[1000,2000,3000,2000]})
    # display(df1,df2)
    df3=df1.merge(df2,how='left',on="date")
    display(df3)

![format_png 2][]

### 4、join() ###

与merge方法类似，但是默认使用索引进行连接。

*  how：指定连接方式。可以是inner, outer, left, right，默认为left。
 *  on：设置当前DataFrame对象使用哪个列与参数对象的索引进行连接。
 *  lsuffix / rsuffix：当两个DataFrame列名相同时，指定每个列名的后缀（用来区分），如果不指定，列名相同会产生错误。
 *  join与merge类似，都是进行两张表的连接。

不同点：

*  merge默认进行的内连接（inner），join默认进行的左外连接（left）。
 *  当出现同名字段（列索引）时，merge可以自动补后缀（\_x, \_y），但是join不会自动补后缀，而是会产生错误。
 *  merge默认使用同名的列进行等值连接。join默认使用左右两表的索引进行连接。
 *  merge中on参数，指定两张表中共同的字段，而join中on参数，仅指定左表中的字段（右表依然使用索引）。
 *  merge与join侧重点不同，merge侧重的是使用字段进行连接，而join侧重的是使用索引进行连接。

df1=pd.DataFrame({"date":[2015,2016,2017,2018,2019],"x1":[2000,3000,5000,8000,10000],"x2":[np.nan,"d","d","c","c"]})
    df2=pd.DataFrame({'date':[2017,2018,2019,2020],"y1":[1000,2000,3000,2000]})
    # display(df1,df2)
    df3=df1.join(df2,how='left',lsuffix='_x',rsuffix='_y')#根据索引对齐
    display(df3)

![format_png 3][]

往期推荐

[**去年365天不停更，很难，所以今年......**][365_......]

[**同学，你这简历上没项目啊！**][Link 1]

[**原来Matplotlib绘图也可以这么漂亮，这次真的是学习到了！**][Matplotlib]

[**2021年的第一波送书，一次 60 本 ！！！**][2021_ 60 _]

![format_png 4][]![format_png 5][]

[format_png]: /images/20221119/af8305a36c434435a51d8a6537c9a9dc.png
[format_png 1]: /images/20221119/20ec8cf767ba41d8abbd1f184429a114.png
[format_png 2]: /images/20221119/5fdc4976c51244328f2a31c3053cfc82.png
[format_png 3]: /images/20221119/66f0e489113d4943be747f4002d9726a.png
[365_......]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4ef526c9397c30a4005c07141481aeb02477989f2951a74da1d38490163bb5a2243188ea48&idx=1&mid=2247504034&scene=21&sn=2c36711fe50213e7f1ce1ed0d6e68e8f#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4ef523c9397c35e55431f12d4077e31e75a372a4f474cc49fd597a062aa1d5ebb07c4ad543&idx=1&mid=2247504039&scene=21&sn=cd11c789986ca736f3c26dc2eef768a9#wechat_redirect
[Matplotlib]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4ef544c9397c522bf828e8e785ec4cef8a7d666e05cd7cef7e3a1d5f3bf603a626007685fb&idx=1&mid=2247504064&scene=21&sn=3263d6514d414eda6b7ca7c9a86eb502#wechat_redirect
[2021_ 60 _]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4ef54ac9397c5c50dcf700875fb950e7f9ee4f4a6c3cdf738f50678fb694e77ab2dbcc2224&idx=2&mid=2247504078&scene=21&sn=0870178a5d45b998941419eb28e982c3#wechat_redirect
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2dpZi90WFlpY3Q0MHhmTGhwZjNzcEJTbkx2Zk56WklaNkVLb0JBYmsxd1d4TTFqaWNZVTQ0clF2c2FvUmN6VHRpYlJTOFVtbWI3Vk1hTldvM1M3cjRnMVlETnduQS82NDA?x-oss-process=image/format,png
[format_png 5]: /images/20221119/a12d56028b144098baf6dc779ae47b2e.png