阿里面試題：Pandas中合并數(shù)據(jù)的5個函數(shù)，各有千秋！

前幾天在一個群里面，看到一位朋友，說到自己的阿里面試，被問了一些關(guān)于pandas的使用。其中一個問題是：pandas中合并數(shù)據(jù)的5中方法。

今天借著這個機會，就為大家盤點一下pandas中合并數(shù)據(jù)的5個函數(shù)。但是對于每個函數(shù)，我這里不打算詳細(xì)說明，具體用法大家可以參考pandas官當(dāng)文檔。

• join主要用于基于索引的橫向合并拼接；
• merge主要用于基于指定列的橫向合并拼接；
• concat可用于橫向和縱向合并拼接；
• append主要用于縱向追加；
• combine可以通過使用函數(shù)，把兩個DataFrame按列進(jìn)行組合。

join

join是基于索引的橫向拼接，如果索引一致，直接橫向拼接。如果索引不一致，則會用Nan值填充。

索引一致

x = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                    index=[0, 1, 2])
y = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                    index=[0, 1, 2])
x.join(y)

結(jié)果如下：

索引不一致

x = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                    index=[0, 1, 2])
y = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                    index=[1, 2, 3])
x.join(y)

結(jié)果如下：

merge

merge是基于指定列的橫向拼接，該函數(shù)類似于關(guān)系型數(shù)據(jù)庫的連接方式，可以根據(jù)一個或多個鍵將不同的DatFrame連接起來。該函數(shù)的典型應(yīng)用場景是，針對同一個主鍵存在兩張不同字段的表，根據(jù)主鍵整合到一張表里面。

• 可以指定不同的how參數(shù)，表示連接方式，有inner內(nèi)連、left左連、right右連、outer全連，默認(rèn)為inner;

x = pd.DataFrame({'姓名': ['張三', '李四', '王五'],
                     '班級': ['一班', '二班', '三班']})
y = pd.DataFrame({'專業(yè)': ['統(tǒng)計學(xué)', '計算機', '繪畫'],
                      '班級': ['一班', '三班', '四班']})

pd.merge(x,y,how="left")

結(jié)果如下：

concat

concat函數(shù)既可以用于橫向拼接，也可以用于縱向拼接。

縱向拼接

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
z = pd.concat([x,y],axis=0)
z

結(jié)果如下：

橫向拼接

x = pd.DataFrame({'姓名': ['張三', '李四', '王五'],
                     '班級': ['一班', '二班', '三班']})
y = pd.DataFrame({'專業(yè)': ['統(tǒng)計學(xué)', '計算機', '繪畫'],
                      '班級': ['一班', '三班', '四班']})
z = pd.concat([x,y],axis=1)
z

結(jié)果如下：

append

append主要用于縱向追加數(shù)據(jù)。

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
x.append(y)

結(jié)果如下：

combine

conbine可以通過使用函數(shù)，把兩個DataFrame按列進(jìn)行組合。

x = pd.DataFrame({"A":[3,4],"B":[1,4]})
y = pd.DataFrame({"A":[1,2],"B":[5,6]})
x.combine(y,lambda a,b:np.where(a>b,a,b))

結(jié)果如下：

注：上述函數(shù)，用于返回對應(yīng)位置上的最大值。

我們的文章到此就結(jié)束啦，如果你喜歡今天的Python 實戰(zhàn)教程，請持續(xù)關(guān)注Python實用寶典。

有任何問題，可以在公眾號后臺回復(fù)：加群，回答相應(yīng)紅字驗證信息，進(jìn)入互助群詢問。

原創(chuàng)不易，希望你能在下面點個贊和在看支持我繼續(xù)創(chuàng)作，謝謝！

點擊下方閱讀原文可獲得更好的閱讀體驗

Python實用寶典 (pythondict.com)
不只是一個寶典
歡迎關(guān)注公眾號：Python實用寶典