pandas合并列详解

一、pandas合并列名重复

在pandas中，如果两个或多个数据帧的列名相同，可以使用.merge()方法将它们合并为一个数据帧，同时保留重复的列名。例如：

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value1':[4,5,6]})

result = pd.merge(df1, df2, on='key')
print(result)

在这个例子中，df1和df2都有列名为’key’和’value1’的列。在使用merge()方法进行合并时，使用’on’参数指定以哪个列作为合并依据。结果将保留重复的列名’value1’。

二、pandas按列合并

在使用pandas进行列合并时，可以使用.concat()方法对两个或多个数据帧进行按列合并。例如：

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value2':[4,5,6]})

result = pd.concat([df1, df2['value2']], axis=1)
print(result)

在这个例子中，使用.concat()方法将df1和df2的’value1’和’value2’列进行合并。使用’axis=1’参数指定按列进行合并。结果返回一个数据帧，包含原来的列和新合并的列。

三、pandas合并列中重复项

如果在合并列中存在重复的项，在使用.merge()方法进行合并时，使用’how’参数指定如何处理重复项。默认情况下，’how’参数为’inner’，表示只保留重复项。

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value1':[4,5,6]})

result = pd.merge(df1, df2, on='key')
print(result)

在这个例子中，df1和df2的’key’列中都有值为’a’和’b’的项。在使用.merge()方法进行合并时，将保留这两项。结果将仅保留重复项的’key’列和两个’value1’列。

四、pandas合并列表

有时，需要将两个或多个列表合并为一个列表。可以使用pandas中的Series和.concat()方法进行合并。例如：

import pandas as pd

list1 = ['a','b','c']
list2 = ['d','e','f']

s1 = pd.Series(list1)
s2 = pd.Series(list2)

result = pd.concat([s1, s2])
print(result)

在这个例子中，将list1和list2转换为Series对象，再使用.concat()方法将它们按照顺序合并为一个列表。结果返回一个新的Series对象，包含两个原始列表中的所有元素。

五、pandas合并列删除NaN

在使用pandas合并列时，有时会出现NaN值。可以使用.dropna()方法删除这些值。例如：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,np.nan,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value1':[4,5,np.nan]})

result = pd.merge(df1, df2, on='key').dropna()
print(result)

在这个例子中，合并df1和df2时，出现NaN值。使用.dropna()方法删除这些值，结果返回一个新的数据帧，仅包含没有NaN值的行。

六、pandas怎么合并两列

在pandas中，可以使用.assign()方法将两列合并为一列。例如：

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value2':[4,5,6]})

result = pd.merge(df1, df2, on='key').assign(new_col=lambda x: x['value1']+x['value2'])
print(result)

在这个例子中，使用.merge()方法将df1和df2合并，并使用.assign()方法将’value1’和’value2’合并为’new_col’列。使用匿名函数计算’new_col’列的值，结果返回一个包含’new_col’列的新数据帧。

七、python pandas合并列

在Python中，pandas库提供了许多函数和方法，可以方便地进行列合并。例如：

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['a','b','d'], 'value2':[4,5,6]})

result = pd.merge(df1, df2, on='key')
print(result)

在这个例子中，使用pandas的.merge()方法将df1和df2合并，以’key’列作为依据。

八、pandas合并数组

在pandas中，可以使用numpy的.concatenate()方法将两个或多个数组合并为一个数组。例如：

import pandas as pd
import numpy as np

array1 = np.array([1,2,3])
array2 = np.array([4,5,6])

result = np.concatenate([array1, array2])
print(result)

在这个例子中，使用numpy的.concatenate()方法将array1和array2合并为一个数组。结果返回一个包含所有原始数组元素的新数组。

九、pandas合并行数据

在pandas中，可以使用.append()方法将两个或多个数据帧的行数据合并在一起。例如：

import pandas as pd

df1 = pd.DataFrame({'key':['a','b','c'], 'value1':[1,2,3]})
df2 = pd.DataFrame({'key':['d','e','f'], 'value1':[4,5,6]})

result = df1.append(df2)
print(result)

在这个例子中，使用.append()方法将df2的所有行数据添加到df1的末尾。结果返回一个包含两个数据帧所有行数据的新数据帧。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/200531.html