Python数据分析笔记#8.2.2 索引上的合并

「目录」

数据规整：聚合、合并和重塑

Data Wrangling: Join, Combine, and Reshape

-------->数据库风格的DataFrame合并

--------> 索引上的合并

上一篇笔记讲的是如何根据DataFrame的列名来链接两个DataFrame对象。

有时候我们要根据DataFrame中的index索引来合并数据。这种情况下，我们可以传入 left_index=True或right_index=True 或两个都传入来说明索引被用作链接键。

我们先创建两个DataFrame，指明根据第一个DataFrame的'key'列和第二个DataFrame的index索引来合并数据：

默认的merge方法是求取链接键的交集，通过传入how='outer'可以得到它们的并集：

层次化索引数据的合并

对于层次化索引的数据的合并，我们要以 列表的形式指明用作合并键的多个列 。

比如下面我们就指定根据第一个DataFrame的'key1'列和'key2'列以及第二个DataFrame的index索引来合并：

同时使用双方的索引来合并也没问题：

join方法

DataFrame还有便捷的实例方法join，它能更方便的实现按索引合并，但要求没有重叠的列。

我们还可以向join传入一组DataFrame，类似于concat函数，实现多个DataFrame的合并拼接：

-END-

join主要用于基于索引的横向合并拼接；

merge主要用于基于指定列的横向合并拼接；

concat可用于横向和纵向合并拼接；

append主要用于纵向追加；

combine可以通过使用函数，把两个DataFrame按列进行组合。

join

join是基于索引的横向拼接，如果索引一致，直接横向拼接。如果索引不一致，则会用Nan值填充merge是基于指定列的横向拼接，该函数类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

可以指定不同的how参数，表示连接方式，有inner内连、left左连、right右连、outer全连，默认为inner

---