pandas_合并(concat,merge函數(shù))

探索虛擬姓名數(shù)據(jù)

步驟1 導入必要的庫

import pandas as pd
import numpy as np

步驟2 按照如下的元數(shù)據(jù)內(nèi)容創(chuàng)建數(shù)據(jù)框

raw_data_1 = {
'subject_id': ['1', '2', '3', '4', '5'],
'first_name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
'last_name': ['Anderson', 'Ackerman', 'Ali', 'Aoni', 'Atiches']}

raw_data_2 = {
'subject_id': ['4', '5', '6', '7', '8'],
'first_name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
'last_name': ['Bonder', 'Black', 'Balwner', 'Brice', 'Btisan']}

raw_data_3 = {
'subject_id': ['1', '2', '3', '4', '5', '7', '8', '9', '10', '11'],
'test_id': [51, 15, 15, 61, 16, 14, 15, 1, 61, 16]}

步驟3 將上述的數(shù)據(jù)框分別命名為data1, data2, data3

data1=pd.DataFrame(raw_data_1,columns=['subject_id','first_name','last_name'])
data2=pd.DataFrame(raw_data_2,columns=['subject_id','first_name','last_name'])
data3=pd.DataFrame(raw_data_3,columns=['subject_id','test_id'])

步驟4 將data1和data2兩個數(shù)據(jù)框按照行的維度進行合并妄痪,命名為all_data

all_data=pd.concat([data1,data2])
print(all_data)

步驟5 將data1和data2兩個數(shù)據(jù)框按照列的維度進行合并沧踏,命名為all_data_col

al_data_col=pd.concat([data1,data2],axis=1)
print(al_data_col)

步驟6 打印data3

print(data3)

步驟7 按照subject_id的值對all_data和data3作合并 merge

print(pd.merge(all_data,data3,on='subject_id'))

步驟8 對data1和data2按照subject_id作連接

print(data1)
print(data2)
print(pd.merge(data1,data2,on='subject_id',how='inner'))

步驟9 找到 data1 和 data2 合并之后的所有匹配結(jié)果

print(pd.merge(data1,data2,on='subject_id',how='outer'))
輸出:

# 步驟4
  subject_id first_name last_name
0          1       Alex  Anderson
1          2        Amy  Ackerman
2          3      Allen       Ali
3          4      Alice      Aoni
4          5     Ayoung   Atiches
0          4      Billy    Bonder
1          5      Brian     Black
2          6       Bran   Balwner
3          7      Bryce     Brice
4          8      Betty    Btisan
# 步驟5
  subject_id first_name last_name subject_id first_name last_name
0          1       Alex  Anderson          4      Billy    Bonder
1          2        Amy  Ackerman          5      Brian     Black
2          3      Allen       Ali          6       Bran   Balwner
3          4      Alice      Aoni          7      Bryce     Brice
4          5     Ayoung   Atiches          8      Betty    Btisan
# 步驟6
  subject_id  test_id
0          1       51
1          2       15
2          3       15
3          4       61
4          5       16
5          7       14
6          8       15
7          9        1
8         10       61
9         11       16
# 步驟7
  subject_id first_name last_name  test_id
0          1       Alex  Anderson       51
1          2        Amy  Ackerman       15
2          3      Allen       Ali       15
3          4      Alice      Aoni       61
4          4      Billy    Bonder       61
5          5     Ayoung   Atiches       16
6          5      Brian     Black       16
7          7      Bryce     Brice       14
8          8      Betty    Btisan       15
# 步驟8
  subject_id first_name last_name
0          1       Alex  Anderson
1          2        Amy  Ackerman
2          3      Allen       Ali
3          4      Alice      Aoni
4          5     Ayoung   Atiches
  subject_id first_name last_name
0          4      Billy    Bonder
1          5      Brian     Black
2          6       Bran   Balwner
3          7      Bryce     Brice
4          8      Betty    Btisan
  subject_id first_name_x last_name_x first_name_y last_name_y
0          4        Alice        Aoni        Billy      Bonder
1          5       Ayoung     Atiches        Brian       Black
# 步驟9
  subject_id first_name_x last_name_x first_name_y last_name_y
0          1         Alex    Anderson          NaN         NaN
1          2          Amy    Ackerman          NaN         NaN
2          3        Allen         Ali          NaN         NaN
3          4        Alice        Aoni        Billy      Bonder
4          5       Ayoung     Atiches        Brian       Black
5          6          NaN         NaN         Bran     Balwner
6          7          NaN         NaN        Bryce       Brice
7          8          NaN         NaN        Betty      Btisan
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末寡壮,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子细办,更是在濱河造成了極大的恐慌土浸,老刑警劉巖罪针,帶你破解...
    沈念sama閱讀 216,591評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異黄伊,居然都是意外死亡泪酱,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,448評論 3 392
  • 文/潘曉璐 我一進店門还最,熙熙樓的掌柜王于貴愁眉苦臉地迎上來墓阀,“玉大人,你說我怎么就攤上這事拓轻∷勾椋” “怎么了?”我有些...
    開封第一講書人閱讀 162,823評論 0 353
  • 文/不壞的土叔 我叫張陵悦即,是天一觀的道長吮成。 經(jīng)常有香客問我橱乱,道長,這世上最難降的妖魔是什么粱甫? 我笑而不...
    開封第一講書人閱讀 58,204評論 1 292
  • 正文 為了忘掉前任泳叠,我火速辦了婚禮,結(jié)果婚禮上茶宵,老公的妹妹穿的比我還像新娘危纫。我一直安慰自己,他們只是感情好乌庶,可當我...
    茶點故事閱讀 67,228評論 6 388
  • 文/花漫 我一把揭開白布种蝶。 她就那樣靜靜地躺著,像睡著了一般瞒大。 火紅的嫁衣襯著肌膚如雪螃征。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,190評論 1 299
  • 那天透敌,我揣著相機與錄音盯滚,去河邊找鬼。 笑死酗电,一個胖子當著我的面吹牛魄藕,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播撵术,決...
    沈念sama閱讀 40,078評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼背率,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了嫩与?” 一聲冷哼從身側(cè)響起寝姿,我...
    開封第一講書人閱讀 38,923評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蕴纳,沒想到半個月后会油,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體个粱,經(jīng)...
    沈念sama閱讀 45,334評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡古毛,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,550評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了都许。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片稻薇。...
    茶點故事閱讀 39,727評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖胶征,靈堂內(nèi)的尸體忽然破棺而出塞椎,到底是詐尸還是另有隱情,我是刑警寧澤睛低,帶...
    沈念sama閱讀 35,428評論 5 343
  • 正文 年R本政府宣布案狠,位于F島的核電站服傍,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏骂铁。R本人自食惡果不足惜吹零,卻給世界環(huán)境...
    茶點故事閱讀 41,022評論 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望拉庵。 院中可真熱鬧灿椅,春花似錦、人聲如沸钞支。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,672評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽烁挟。三九已至婴洼,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間撼嗓,已是汗流浹背窃蹋。 一陣腳步聲響...
    開封第一講書人閱讀 32,826評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留静稻,地道東北人警没。 一個月前我還...
    沈念sama閱讀 47,734評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像振湾,于是被迫代替她去往敵國和親杀迹。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,619評論 2 354

推薦閱讀更多精彩內(nèi)容