图片由catalyststuff在Freepik上提供
在数据处理过程中，两个或更多数据集之间的数据合并是典型的。在本博客中，我们将学习如何使用 Pandas 进行数据合并以及各种提升数据合并技能的技巧。让我们深入探讨数据合并技术。
1. Google 网络安全证书 - 快速进入网络安全职业轨道。
2. Google 数据分析专业证书 - 提升您的数据分析能力
3. Google IT 支持专业证书 - 支持您组织的 IT
首先，我们需要导入 Pandas Python 包。
import pandas as pd合并两个 Pandas DataFrames 需要使用 Pandas 包中的 merge 方法。这个函数会根据我们意图连接的变量或列合并两个 DataFrame。让我们通过一个示例 DataFrame 来尝试 Pandas 的合并方法。
# Create Population DataFrame
df1 = pd.DataFrame({
'Country': ['America', 'Indonesia', 'France'],
'Location': ['New York', 'Jakarta', 'Paris'],
'Population': [731800, 575030, 183305]
})
# Create Income DataFrame
df2 = pd.DataFrame({
'Country': ['America', 'America', 'Indonesia', 'India', 'France', 'Greece'],
'Location': ['New York', 'Chicago', 'Jakarta', 'Mumbai', 'Paris', 'Yunani'],
'Income': [1000, 1500, 1400, 1100, 900, 1200]
})
# Merge Dataframe
merged_df = pd.merge(df1, df2, on='Country')
merged_df
图片由作者提供
在上面的示例中，我们创建了两个具有稍微不同列的 DataFrame，并在‘Country’列上合并它们。结果是两个 DataFrame 中具有相似值的行被合并在一起。我们通过一行代码成功合并了两个不同的 DataFrame。
Pandas 的.merge 方法有各种可选参数可以利用。让我们看一下其中一些有用的参数。
在上面的示例中，我们可以看到一个名为‘Location’的列，在合并后该列带有后缀 _x 和 _y。如果我们想在合并时更改列名，可以使用以下代码来实现。
merged_df = pd.merge(df1, df2, on='Country', suffixes = ('_Population', '_Income'))
merged_df
图片由作者提供
在这段代码中，我们传递了带有两个值的元组作为 suffixes 参数；第一个和第二个 DataFrame 的名称。在我的示例中，我们将第一个 DataFrame 命名为 Population，将第二个命名为 Income。
如果我们有两个 DataFrame，其列名不同但指代相同的定义，我们仍然可以合并它们，但需要指定要合并的 DataFrame 和列。
df2 = pd.DataFrame({
'Index': ['America', 'America', 'Indonesia', 'India', 'France', 'Greece'],
'Location': ['New York', 'Chicago', 'Jakarta', 'Mumbai', 'Paris', 'Yunani'],
'Income': [1000, 1500, 1400, 1100, 900, 1200]
})
merged_df = pd.merge(df1, df2, left_on='Country', right_on = 'Index')
merged_df
图片由作者提供
在上述示例中，我们将第二个 DataFrame 的‘Country’列更改为‘Index’，然后通过在每个 DataFrame 中指定列名来合并数据集。Left_on 参数用于第一个 DataFrame，right_on 用于第二个 DataFrame。
Pandas 合并方法中有五种不同的合并类型。默认情况下，合并是内连接，只包括在两个列中都有匹配值的行。然而，我们可以通过将值传递给 how 参数来更改合并类型：
- 左连接
左连接仅使用第一个 DataFrame 的值。
merged_df = pd.merge(df1, df2, on='Country', how = 'left')
merged_df
图片由作者提供
- 右连接
右连接仅使用第二个 DataFrame 的值。
merged_df = pd.merge(df1, df2, on='Country', how = 'right')
merged_df
图片由作者提供
- 外连接
通过使用两个 DataFrame 键的并集来包含两个 DataFrame 中的所有行。
图片由作者提供
- 交叉连接
从两个 DataFrame 创建一个笛卡尔积
merged_df = pd.merge(df1, df2, how = 'cross')
merged_df
图片由作者提供
使用 Pandas 合并可以将两个 DataFrame 与两个或更多不同的列连接在一起。我们需要在 on 参数中指定要合并的列列表。
merged_df = pd.merge(df1, df2, on = ['Country', 'Location'])
merged_df
图片由作者提供
在数据处理过程中，合并两个不同的 DataFrame 是一种常见的活动。为此，我们可以使用 Pandas 的 merge 方法。在 Pandas merge 中，我们可以访问各种可选参数以执行特定任务，包括更改合并列的名称、基于不同列名称合并 DataFrame、更改合并类型以及通过两个或更多列进行合并。
Cornellius Yudha Wijaya 是一名数据科学助理经理和数据撰稿人。尽管全职工作于 Allianz Indonesia，他仍喜欢通过社交媒体和写作媒体分享 Python 和数据技巧。