本篇文章给大家带来了关于python的相关知识，其中主要介绍了关于数据合并的相关问题，包括了concat函数与merge函数等内容，下面一起来看一下，希望对大家有帮助。
推荐学习：python视频教程
一、concat函数concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并
pandas.concat(objs, axis=0, join=’outer’, join_axes=none, ignore_index=false, keys=none, levels=none, verify_integrity=false, sort=none, copy=true)参数含义如下：参数作用
axis 表示连接的轴向，可以为0或者1，默认为0
join 表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接
ignore_index 接收布尔值，默认为false。如果设置为true，则表示清除现有索引并重置索引值
keys 接收序列，表示添加最外层索引
levels 用于构建multiindex的特定级别（唯一值）
names 设置了keys和level参数后，用于创建分层级别的名称
verify_integerity 检查新的连接轴是否包含重复项。接收布尔值，当设置为true时，如果有重复的轴将会抛出错误，默认为false
根据轴方向的不同，可以将堆叠分成横向堆叠与纵向堆叠，默认采用的是纵向堆叠方式
在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。
1)横向堆叠与外连接import pandas as pddf1=pd.dataframe({'a':['a0','a1','a2'],                  'b':['b0','b1','b2']})df1
df2=pd.dataframe({'c':['c0','c1','c2'],                  'd':['d0','d1','d2']})df2
横向堆叠合并df1和df2,采用外连接的方式pd.concat([df1,df2],join='outer',axis=1)
2) 纵向堆叠与内链接import pandas as pdfirst=pd.dataframe({'a':['a0','a1','a2'],                   'b':['b0','b1','b2'],                   'c':['c0','c1','c2']})first
second=pd.dataframe({'b':['b3','b4','b5'],                   'c':['c3','c4','c5'],                    'd':['d3','d4','d5']})second
当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并pd.concat([first,second],join='inner',axis=0)
二、merge()函数1）主键合并数据
在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。import pandas as pdleft=pd.dataframe({'key':['k0','k1','k2'],                  'a':['a0','a1','a2'],                  'b':['b0','b1','b2']})left
right=pd.dataframe({'key':['k0','k1','k2','k3'],                   'c':['c0','c1','c2','c3'],                   'd':['d0','d1','d2','d3']})right
pd.merge(left,right,on='key')
2）merge()函数还支持对含有多个重叠列的dataframe对象进行合并。
import pandas as pddata1=pd.dataframe({'key':['k0','k1','k2'],                  'a':['a0','a1','a2'],                  'b':['b0','b1','b2']})data1
data2=pd.dataframe({'key':['k0','k5','k2','k4'],                         'b':['b0','b1','b2','b5'],                         'c':['c0','c1','c2','c3'],                         'd':['d0','d1','d2','d3']})data2
pd.merge(data1,data2,on=['key','b'])
1）根据行索引合并数据join()方法能够通过索引或指定列来连接多个dataframe对象join（other，on = none，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = false ）参数作用
on 名称，用于连接列名
how 可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个，默认使用左连接的方式。
sort 根据连接键对合并的数据进行排序，默认为false
import pandas as pddata3=pd.dataframe({'a':['a0','a1','a2'],                   'b':['b0','b1','b2']})data3
data4=pd.dataframe({'c': ['c0', 'c1', 'c2'],                         'd': ['d0', 'd1', 'd2']},                     index=['a','b','c'])data3.join(data4,how='outer')  # 外连接
data3.join(data4,how='left')  #左连接
data3.join(data4,how='right')  #右连接
data3.join(data4,how='inner')  #内连接
import pandas as pdleft = pd.dataframe({'a': ['a0', 'a1', 'a2'],                        'b': ['b0', 'b1', 'b2'],                      'key': ['k0', 'k1', 'k2']})left
right = pd.dataframe({'c': ['c0', 'c1','c2'],                         'd': ['d0', 'd1','d2']},                        index=['k0', 'k1','k2'])right
on参数指定连接的列名
left.join(right,how='left',on='key')  #on参数指定连接的列名
2）合并重叠数据当dataframe对象中出现了缺失数据，而我们希望使用其他dataframe对象中的数据填充缺失数据，则可以通过combine_first()方法为缺失数据填充。
import pandas as pdimport numpy as npfrom numpy import nanleft = pd.dataframe({'a': [np.nan, 'a1', 'a2', 'a3'],                        'b': [np.nan, 'b1', np.nan, 'b3'],                        'key': ['k0', 'k1', 'k2', 'k3']})left
right = pd.dataframe({'a': ['c0', 'c1','c2'],                         'b': ['d0', 'd1','d2']},                         index=[1,0,2])right
用right的数据填充left缺失的部分
left.combine_first(right) # 用right的数据填充left缺失的部分
推荐学习：python视频教程
以上就是python数据分析之concat与merge函数（实例详解）的详细内容。