在 Pandas 中有很多種方法可以進(jìn)行DF的合并。本文將研究這些不同的方法，以及如何將它們應(yīng)用到我們的數(shù)據(jù)中。
Pandas 使用 .merge() 方法來執(zhí)行合并。
import pandas as pd # a dictionary to convert to a dataframe data1 = {'identification': ['a', 'b', 'c', 'd'], 'Customer_Name':['King', 'West', 'Adams', 'Mercy'], 'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],} # our second dictionary to convert to a dataframe data2 = {'identification': ['a', 'b', 'c', 'd'], 'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'], 'Age':[60, 30, 40, 50]} # Convert the dictionary into DataFrame df1 = pd.DataFrame(data1) df2 = pd.DataFrame(data2)運(yùn)行我們的代碼后，有兩個(gè) DataFrame，如下所示。
identification Customer_Name Category 0 a King furniture 1 b West Office Supplies 2 c Adams Technology 3 d Mercy R_materials identification Class Age 0 a First_Class 60 1 b Second_Class 30 2 c Same_day 40 3 d Standard Class 50使用 merge() 函數(shù)進(jìn)一步合并。
# using .merge() function new_data = pd.merge(df1, df2, on='identification')這產(chǎn)生了下面的新數(shù)據(jù)；
identification Customer_Name Category Class Age 0 a King furniture First_Class 60 1 b West Office Supplies Second_Class 30 2 c Adams Technology Same_day 40 3 d Mercy R_materials Standard Class 50.join() 方法也可以將不同索引的 DataFrame 組合成一個(gè)新的 DataFrame。 我們可以使用參數(shù)'on’參數(shù)指定根據(jù)哪列進(jìn)行合并。
讓我們看看下面的例子，我們?nèi)绾螌嗡饕?DataFrame 與多索引 DataFrame 連接起來；
import pandas as pd # a dictionary to convert to a dataframe data1 = { 'Customer_Name':['King', 'West', 'Adams'], 'Category':['furniture', 'Office Supplies', 'Technology'],} 7 # our second dictionary to convert to a dataframe data2 = { 'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'], 'Age':[60, 30, 40, 50]} # Convert the dictionary into DataFrame Ndata = pd.DataFrame(data1, index=pd.Index(['a', 'b', 'c'], name='identification')) index = pd.MultiIndex.from_tuples([('a', 'x0'), ('b', 'x1'), ('c', 'x2'), ('c', 'x3')], names=['identification', 'x']) 19 # Convert the dictionary into DataFrame Ndata2 = pd.DataFrame(data2, index= index) print(Ndata, '\n\n', Ndata2) # joining singly indexed with # multi indexed result = Ndata.join(Ndata2, how='inner')我們的結(jié)果如下所示；
Customer_Name Category Class Age identification x 3 a x0 King furniture First_Class 60 b x1 West Office Supplies Second_Class 30 c x2 Adams Technology Same_day 40 x3 Adams Technology Standard Class 50Pandas 中concat() 方法在可以在垂直方向（axis=0）和水平方向（axis=1）上連接 DataFrame。 我們還可以一次連接兩個(gè)以上的 DataFrame 或 Series。
讓我們看一個(gè)如何在 Pandas 中執(zhí)行連接的示例；
import pandas as pd # a dictionary to convert to a dataframe data1 = {'identification': ['a', 'b', 'c', 'd'], 'Customer_Name':['King', 'West', 'Adams', 'Mercy'], 'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],} # our second dictionary to convert to a dataframe data2 = {'identification': ['a', 'b', 'c', 'd'], 'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'], 'Age':[60, 30, 40, 50]} # Convert the dictionary into DataFrame df1 = pd.DataFrame(data1) df2 = pd.DataFrame(data2) #perform concatenation here based on horizontal axis new_data = pd.concat([df1, df2], axis=1) print(new_data)這樣就獲得了新的 DataFrame ：
identification Customer_Name Category identification \ 0 a King furniture a 3 1 b West Office Supplies b 4 2 c Adams Technology c 5 3 d Mercy R_materials d Class Age 0 First_Class 60 1 Second_Class 30 2 Same_day 40 3 Standard Class 50Pandas 中的Merge Joins操作都可以針對(duì)指定的列進(jìn)行合并操作（SQL中的join）那么他們的執(zhí)行效率是否相同呢？下面我們來進(jìn)行一下測。
兩個(gè) DataFrame 都有相同數(shù)量的行和兩列，實(shí)驗(yàn)中考慮了從 100 萬行到 1000 萬行的不同大小的 DataFrame，并在每次實(shí)驗(yàn)中將行數(shù)增加了 100 萬。我對(duì)固定數(shù)量的行重復(fù)了十次實(shí)驗(yàn)，以消除任何隨機(jī)性。下面是這十次試驗(yàn)中合并操作的平均運(yùn)行時(shí)間。
上圖描繪了操作所花費(fèi)的時(shí)間（以毫秒為單位）。
正如我們從圖中看到的，運(yùn)行時(shí)間存在顯著差異——最多相差 5 倍。隨著 DataFrame 大小的增加，運(yùn)行時(shí)間之間的差異也會(huì)增加。 兩個(gè) JOIN 操作幾乎都隨著 DataFrame 的大小線性增加。 但是，Join的運(yùn)行時(shí)間增加的速度遠(yuǎn)低于Merge。
如果需要處理大量數(shù)據(jù)，還是請使用join()進(jìn)行操作。
聯(lián)系客服
