案例 8: 数据合并 - 使用 concat、merge 和 join

知识点讲解

在数据分析中，经常需要将不同的数据集合并在一起。Pandas 提供了 concat, merge, 和 join 几种方法来实现数据的合并。

• concat: 用于沿一定轴向将多个对象堆叠在一起。可以用于简单的数据合并操作，尤其是相同形状的 DataFrame。
• merge: 类似于 SQL 中的 JOIN 操作。它可以根据一个或多个键将不同的 DataFrame 合并在一起。适用于列之间的关系合并。
• join: 是 merge 的便捷方法，默认按照索引进行合并，也可以用来按照列合并。

示例代码

使用 concat 合并

# 合并两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3]})
df2 = pd.DataFrame({'B': [4, 5, 6]})
concatenated_df = pd.concat([df1, df2], axis=1)
print(concatenated_df)

使用 merge 合并

# 根据共同列合并两个 DataFrame
df3 = pd.DataFrame({'A': [1, 2, 3], 'C': ['x', 'y', 'z']})
merged_df = pd.merge(df1, df3, on='A')
print(merged_df)

使用 join 合并

# 根据索引合并两个 DataFrame
df4 = pd.DataFrame({'D': ['d', 'e', 'f']}, index=[1, 2, 3])
joined_df = df1.join(df4)
print(joined_df)

代码解释:

1. pd.concat([df1, df2], axis=1) 将 df1 和 df2 按列合并。
2. pd.merge(df1, df3, on='A') 根据列 A 将 df1 和 df3 合并。
3. df1.join(df4) 根据索引将 df1 和 df4 合并。

合并操作是数据整合的重要环节，可以有效地组合来自不同来源的数据。