关于合并python DataFrame的方法总结

　　小编写这篇文章的主要目的，主要是给大家做个详细的解答，详细的解答关于python DataFrame相关方面的知识，希望可以为各位读者带来更多的帮助。

　　python DataFrame的合并方法

　　Python的Pandas针对DataFrame,Series提供了多个合并函数，通过参数的调整可以轻松实现DatafFrame的合并。

　　首先，定义3个DataFrame df1,df2,df3，进行concat、merge、append函数的实验。

　　df1=pd.DataFrame([[1,2,3],[2,3,4]],columns=['a','b','c'])
　　df2=pd.DataFrame([[2,3,4],[3,4,5]],columns=['a','b','c'])
　　df3=pd.DataFrame([[1,2,3],[2,3,4]],columns=['a','b','d'])
　　df1
　　a b c
　　0 1 2 3
　　1 2 3 4
　　df2
　　a b c
　　0 2 3 4
　　1 3 4 5
　　df3
　　a b d
　　0 1 2 3
　　1 2 3 4

　　#concat函数

　　pandas中concat函数的完整表达，包含多个参数，常用的有axis,join,ignore_index.

　　concat函数的第一个参数为objs，一般为一个list列表，包含要合并两个或多个DataFrame，多个Series

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

　　1.axis表示合并方向，默认axis=0，两个DataFrame按照索引方向纵向合并,axis=1则会按照columns横向合并。

　　pd.concat([df1,df2],axis=1)
　　a b c a b c
　　0 1 2 3 2 3 4
　　1 2 3 4 3 4 5

　　2.join表示合并方式，默认join=‘outer’，另外的取值为’inner’,只合并相同的部分，axis=0时合并结果为相同列名的数据，axis=1时为具有相同索引的数据

　　pd.concat([df2,df3],axis=0,join='inner')
　　a b
　　0 2 3
　　1 3 4
　　0 1 2
　　1 2 3
　　pd.concat([df2,df3],axis=1,join='inner')
　　a b c a b d
　　0 2 3 4 1 2 3
　　1 3 4 5 2 3 4

　　3.ignore_index表示索引的合并方式，默认为False，会保留原df的索引，如果设置ignore_index=True，合并后的df会重置索引。

　　pd.concat([df1,df2],ignore_index=True)
　　a b c
　　0 1 2 3
　　1 2 3 4
　　2 2 3 4
　　3 3 4 5

　　#merge函数

　　merge函数是pandas提供的一种数据库式的合并方法。

　　on可以指定合并的列、索引，how则是与数据库join函数相似，取值为left,right,outer,inner.left,right分别对应left outer join,right outer join.

　pandas.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):

　　merge函数可以通过pandas.merge(df1,df2)、df1.merge(df2)两种形式来实现两个DataFrame的合并,df1.merge(df2)是默认left=self的情况。

　　df_merge=df1.merge(df3,on=['a','b'])
　　a b c d
　　0 1 2 3 3
　　1 2 3 4 4

　　#append函数

　　append函数是pandas针对DataFrame、Series等数据结构合并提供的函数。

df1.append(self,other,ignore_index=False,verify_integrity=False)

　　df1.append(df2)与pd.concat([df1,df2],ignore_index=False)具有相同的合并结果

　　df1.append(df2)
　　a b c
　　0 1 2 3
　　1 2 3 4
　　0 2 3 4
　　1 3 4 5

　　把两个dataframe合并成一个

1.    merage

result=pd.merge(对象1,对象2,on='key')

　　2.append

　　result=df1.append(df2)
　　result=df1.append([df2,df3])
　　result=df1.append(df4,ignore_index=True)

　　3.join

result=left.join(right,on=['key1','key2'],how='inner')

　　4.concat

　pd.concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False,
　　keys=None,levels=None,names=None,verify_integrity=False,
　　copy=True)
　　frames=[df1,df2,df3]
　　result=pd.concat(frames)
　　result=pd.concat(frames,keys=['x','y','z'])
　　result=pd.concat([df1,df4],ignore_index=True)

　　上文就为大家介绍完毕了，希望能给大家带来一定的帮助。