公众号：尤而小屋
作者：Peter
编辑：Peter
大家好，我是Peter~
图解pandas数据合并：concat+join+append
在上一篇文章中介绍过pandas中最为常用的一个合并函数merge的使用，本文中介绍的是另外3个与合并操作相关的函数：
- concat
- join
- append
Pandas连载
本文是Pandas数据分析库的第15篇，欢迎阅读：
模拟数据
首先是模拟几份不同的数据：
import pandas as pd
import numpy as np
concat
concat也是一个常用的合并函数，下面通过具体例子来介绍它的使用。
参数
pandas.concat(objs, # 合并对象
axis=0, # 合并方向，默认是0纵轴方向
join='outer', # 合并取的是交集inner还是并集outer
ignore_index=False, # 合并之后索引是否重新
keys=None, # 在行索引的方向上带上原来数据的名字；主要是用于层次化索引，可以是任意的列表或者数组、元组数据或者列表数组
levels=None, # 指定用作层次化索引各级别上的索引，如果是设置了keys
names=None, # 行索引的名字，列表形式
verify_integrity=False, # 检查行索引是否重复；有则报错
sort=False, # 对非连接的轴进行排序
copy=True # 是否进行深拷贝
)
默认情况
默认情况是直接在纵向上进行合并
axis
指定合并的方向
如果某个数据框中不存在，则会显示为NaN：
- 根据实际数据调整合并的方向，默认是axis=0
- 某个数据库中不存在的数据，用NaN代替
参数ignore_index
是否保留原表索引，默认保留，为 True 会自动增加自然索引。
参数join
指定取得交集inner还是并集outer，默认是并集outer
df3和df4只有地址这个字段是相同的，所以保留了它，其他的舍弃了：
参数keys
当我们设置了索引重排(ignore_index=True)，keys参数就无效啦
参数name
指定每个层级索引的名字
我们可以检查下df6的索引，发现是层级索引：
合并多个DataFrame
同时合并df1、df2、df5
pd.concat([pd.concat([df1,df2],axis=0,ignore_index=True),df5],axis=1)
分两步来实现：先合并df1、df2，将得到的结果和df5合并
join
参数
来自官网的参数说明：
dataframe.join(other, # 待合并的另一个数据框
on=None, # 连接的键
how='left', # 连接方式：‘left’, ‘right’, ‘outer’, ‘inner’ 默认是left
lsuffix='', # 左边（第一个）数据框相同键的后缀
rsuffix='', # 第二个数据框的键的后缀
sort=False) # 是否根据连接的键进行排序；默认False
模拟数据
为了解释join的操作，再模拟下数据：
参数 lsuffix、rsuffix
功能是为了添加指定的后缀
如果不指定的话，会报错：
参数how
how参数默认是left，保留左边的全部字段。右边不存在的数据用NaN
改成right之后，保留右边的全部数据：
可以在默认的参数结果中，name字段被分成了name_left和name_right，如何进行字段的合并呢？？？
- 先把键当做行索引
- 通过join合并
- 通过reset_index()重新设置索引
合并两个数据：
最后进行索引重置的功能：
还有一种更为简便的方法：
合并多个DataFrame
利用join来实现多个DataFrame的合并：
如果我们想要用merge函数来实现呢？
使用how=“outer”，保留全部字段的数据信息
append
字面意思是“追加”。向dataframe对象中添加新的行，如果添加的列名不在dataframe对象中，将会被当作新的列进行添加
参数
DataFrame.append(other,
ignore_index=False,
verify_integrity=False,
sort=False)
参数解释：
- other：待合并的数据。可以是pandas中的DataFrame、series，或者是Python中的字典、列表这样的数据结构
- ignore_index：是否忽略原来的索引，生成新的自然数索引
- verify_integrity：默认是False，如果值为True，创建相同的index则会抛出异常的错误
- sort：boolean，默认是None。如果self和other的列没有对齐，则对列进行排序，并且属性只在版本0.23.0中出现。
模拟数据
添加不同类型数据
1、Python字典
2、Series类型
3、最常用的DataFrame
默认合并
df12和df13默认合并的结果：
参数ignore_index
改变生成的索引值
参数verify_integrity
默认是False，如果值为True，创建相同的index则会抛出异常的错误
案例实战
假设现在一个excel表中有3个sheet：订单表、订单商品表、商品信息表：
1、订单表
2、订单商品表
3、商品信息表
现在我们通过合并函数将3个sheet中的内容关联起来：
import pandas as pd
import numpy as np
# 读取订单表中的内容
df1 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name=0) # 第一个sheet的内容，索引从0开始
df1
# 读取订单商品表
df2 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name=1)
# 商品信息表
df3 = pd.read_excel("水果订单商品信息3个表.xlsx",sheet_name="商品信息") # 可以直接指定sheet的名字name，不通过索引
df3
第一步：订单表和订单商品表的合并
第二步：将上面的结果和商品信息表合并
当我们得到上面的结果后，就可以完成很多的需求，举2个例子说明：
1、不同水果的销量和订单数：根据水果进行分组统计数量和订单数
2、不同区域的水果销售额和客户数
总结
两篇关于pandas数据合并的文章，详细介绍了4个函数：merge、concat、join、append的使用；其中，merge和concat最为常用。它们可以是实现SQL中join的功能。不管是交集、并集、还是左右连接，甚至是全连接都是可以直接实现的。
上面的实战案例数据是存放在一个Excel表中。在pandas中，我们可以从不同的来源：Excel、数据库、本地文件夹等获取来进行数据合并，方便后续实现我们的需求，希望本文对读者有所帮助。