pythonDataframe合并与去重详情

pythonDataframe合并与去重详情

目录

1.合并

1.1 结构合并

1.1.1 concat函数

1.1.2 append函数

1.2 字段合并

2.去重

1.合并 1.1 结构合并

将两个结构相同的数据合并

1.1.1 concat函数

函数配置:

concat([dataFrame1, dataFrame2,…], index_ingore=False)

参数说明:index_ingore=False(表示合并的索引不延续),index_ingore=True(表示合并的索引可延续)

实例:

import pandas as pd import numpy as np # 创建一个十行两列的二维数据 df = pd.DataFrame(np.random.randint(0, 10, (3, 2)), columns=['A', 'B']) # 将数据拆分成两份,并保存在列表中 data_list = [df[0:2], df[3:]] # 索引值不延续 df1 = pd.concat(data_list, ignore_index=False) # 索引值延续 df2 = pd.concat(data_list, ignore_index=True)

返回结果:

----------------df--------------------------
   A  B
0  7  8
1  7  3
2  5  9
3  4  0
4  1  8
----------------df1--------------------------
   A  B
0  7  8
1  7  3
3  4  0# -------------->这里并没有2出现,索引不连续
4  1  8
----------------df2--------------------------
   A  B
0  7  8
1  7  3
2  4  0
3  1  8

1.1.2 append函数

函数配置:

df.append(df1, index_ignore=True)

参数说明:index_ingore=False(表示索引不延续),index_ingore=True(表示索引延续)

实例:

import pandas as pd import numpy as np # 创建一个五行两列的二维数组 df = pd.DataFrame(np.random.randint(0, 10, (5, 2)), columns=['A', 'B']) # 创建要追加的数据 narry = np.random.randint(0, 10, (3, 2)) data_list = pd.DataFrame(narry, columns=['A', 'B']) # 合并数据 df1 = df.append(data_list, ignore_index=True)

返回结果:

----------------df--------------------------
   A  B
0  5  6
1  1  2
2  5  3
3  1  8
4  1  2
----------------df1--------------------------
   A  B
0  5  6
1  1  2
2  5  3
3  1  8
4  1  2
5  8  1
6  3  5
7  1  1

1.2 字段合并

将同一个数据不同列合并

参数配置:

pd.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, )

参数说明:

参数说明
how连接方式:inner、left、right、outer,默认为 inner
on用于连接的列名
left_on左表用于连接的列名
right_on右表用于连接的列名
Left_index是否使用左表的行索引作为连接键,默认为False
Right_index是否使用右表的行索引作为连接键,默认为False
sort默认为False,将合并的数据进行排序
copy默认为True。总是将数据复制到数据结构中,设置为False可以提高性能
suffixes存在相同列名时在列名后面添加的后缀,默认为(’_x’, ‘_y’)
indicator显示合并数据中数据来自哪个表

实例1:

import pandas as pd df1 = pd.DataFrame({'key':['a','b','c'], 'data1':range(3)}) df2 = pd.DataFrame({'key':['a','b','c'], 'data2':range(3)}) df = pd.merge(df1, df2) # 合并时默认以重复列并作为合并依据

结果展示:

----------------df1--------------------------
  key  data1
0   a      0
1   b      1
2   c      2
----------------df2--------------------------
  key  data2
0   a      0
1   b      1
2   c      2
----------------df---------------------------
  key  data1  data2
0   a      0      0
1   b      1      1
2   c      2      2

实例2:

# 多键连接时将连接键组成列表传入 right=DataFrame({'key1':['foo','foo','bar','bar'], 'key2':['one','one','one','two'], 'lval':[4,5,6,7]}) left=DataFrame({'key1':['foo','foo','bar'], 'key2':['one','two','one'], 'lval':[1,2,3]}) pd.merge(left,right,on=['key1','key2'],how='outer')

结果展示:

----------------right-------------------------
  key1 key2  lval
0  foo  one     4
1  foo  one     5
2  bar  one     6
3  bar  two     7
----------------left--------------------------
  key1 key2  lval
0  foo  one     1
1  foo  two     2
2  bar  one     3
----------------df---------------------------
  key1 key2  lval_x  lval_y
0  foo  one     1.0     4.0
1  foo  one     1.0     5.0
2  foo  two     2.0     NaN
3  bar  one     3.0     6.0
4  bar  two     NaN     7.0
 

2.去重

参数配置:

data.drop_duplicates(subset=['A','B'],keep='first',inplace=True)

参数说明:

参数说明
subset列名,可选,默认为None
keep{‘first’, ‘last’, False}, 默认值 ‘first’
first保留第一次出现的重复行,删除后面的重复行
last删除重复项,除了最后一次出现
False删除所有重复项
inplace布尔值,默认为False,是否直接在原数据上删除重复项或删除重复项后返回副本。(inplace=True表示直接在原来的DataFrame上删除重复项,而默认值False表示生成一个副本。)

实例:

去除完全重复的行数据

data.drop_duplicates(inplace=True)

df = pd.DataFrame({ 'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Indomie'], 'style': ['cup', 'cup', 'cup', 'pack', 'pack'], 'rating': [4, 4, 3.5, 15, 5] }) df.drop_duplicates()

结果展示:

---------------去重前的df---------------------------
brand style rating
0 Yum Yum cup 4.0
1 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0
---------------去重后的df---------------------------
brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5
3 Indomie pack 15.0
4 Indomie pack 5.0

使用subset 去除某几列重复的行数据

data.drop_duplicates(subset=[‘A’,‘B’],keep=‘first’,inplace=True)

df.drop_duplicates(subset=['brand'])

结果展示:

brand style rating
0 Yum Yum cup 4.0
2 Indomie cup 3.5

使用 keep删除重复项并保留最后一次出现

df.drop_duplicates(subset=['brand', 'style'], keep='last')

结果展示:

brand style rating
1 Yum Yum cup 4.0
2 Indomie cup 3.5
4 Indomie pack 5.0

到此这篇关于python Dataframe 合并与去重详情的文章就介绍到这了,更多相关python Dataframe内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)!

推荐阅读