Konkatenację dwóch lub więcej ramek danych można wykonać za pomocą metody pandas.concat(). concat() w Pandach działa poprzez łączenie ramek danych w wierszach lub kolumnach. Możemy połączyć dwie lub więcej ramek danych wzdłuż wierszy (oś=0) lub wzdłuż kolumn (oś=1). W tym artykule zobaczymy, jak możemy połączyć lub dodać dwa lub więcej Ramka danych Pandy .
Połącz dwie lub więcej ramek danych Pand w języku Python
Istnieją różne metody łączenia ramek danych w pionie lub poziomie. Tutaj omawiamy niektóre powszechnie stosowane metody łączenia ramek danych w pionie lub poziomie. są to następujące.
- Łączenie ramki danych dwóch pand
Using>pd.merge()>do połączenia dwóch ramek danych-
pd.DataFrame.reindex()>dla łączenia pionowego z wyrównaniem indeksu Using pd.concat()>zsort=False>dla szybszego łączenia- Używanie pandas.concat() do łączenia dwóch ramek danych
- Połącz wiele ramek danych za pomocą pandy.concat()
- Za pomocą pandy.join() aby połączyć dwie ramki danych
- Za pomocą DataFrame.append() do połączenia dwóch ramek danych
Utwórz przykładową ramkę danych
Utwórz dwie ramki danych, które teraz połączymy. Do tworzenia ramek danych będziemy używać Numpy i pandy.
Python3
głupia kropka
import> pandas as pd> import> numpy as np> df>=> pd.DataFrame({>'Courses'>: [>'GFG'>,>'JS'>,>'Python'>,>'Numpy'>],> >'Fee'>: [>20000>,>25000>,>22000>,>24000>]})> df1>=> pd.DataFrame({>'Courses'>: [>'Matplotlib'>,>'SSC'>,>'CHSL'>,>'Java'>],> >'Fee'>: [>25000>,>25200>,>24500>,>24900>]})> df2>=> pd.DataFrame({>'Duration'>: [>'30day'>,>'40days'>,>'35days'>,>'60days'>],> >'Discount'>: [>1000>,>2300>,>2500>,>2000>]})> print>(>'DataFrame 1:'>)> print>(df)> print>(>'DataFrame 2:'>)> print>(df1)> print>(>'DataFrame 3:'>)> print>(df2)> |
>
>
Wyjście:
DataFrame 1: Courses Fee 0 GFG 20000 1 JS 25000 2 Python 22000 3 Numpy 24000 DataFrame 2: Courses Fee 0 Matplotlib 25000 1 SSC 25200 2 CHSL 24500 3 Java 24900 DataFrame 3: Duration Discount 0 30day 1000 1 40days 2300 2 35days 2500 3 60days 2000>
Połącz dwie ramki danych Pandy w pionie i poziomie
Przekażemy dwie ramki danych do pd.concat() metodę w formie listy i zaznacz w której osi chcesz konkatować, czyli np. oś=0 łączyć wzdłuż rzędów, oś=1 łączyć wzdłuż kolumn.
Python3
# concatenating df1 and df2 along rows> vertical_concat>=> pd.concat([df, df1], axis>=>0>)> # concatenating df3 and df4 along columns> horizontal_concat>=> pd.concat([df1, df2], axis>=>1>)> print>(>'Vertical:'>)> print>(vertical_concat)> print>(>'Horizontal:'>)> print>(horizontal_concat)> |
>
>
Wyjście:
Vertical: Courses Fee 0 GFG 20000 1 JS 25000 2 Python 22000 3 Numpy 24000 0 Matplotlib 25000 1 SSC 25200 2 CHSL 24500 3 Java 24900 Horizontal: Courses Fee Duration Discount 0 Matplotlib 25000 30day 1000 1 SSC 25200 40days 2300 2 CHSL 24500 35days 2500 3 Java 24900 60days 2000>
Łączenie ramek danych za pomocą pd.merge() w celu połączenia dwóch ramek danych
The method> 'pd.merge()'> in pandas is used to concatenate DataFrames either vertically or horizontally. It combines two DataFrames based on common columns using a merge operation. The 'how' parameter in pd.merge() specifies the type of merge (inner, outer, left, or right), determining how the DataFrames are combined.>
Python3
result>=> pd.merge(df, df1, on>=>'Courses'>, how>=>'outer'>, suffixes>=>(>'_df1'>,>'_df2'>)).fillna(>0>)> result[>'Fee'>]>=> result[>'Fee_df1'>]>+> result[>'Fee_df2'>]> result>=> result[[>'Courses'>,>'Fee'>]]> print>(result)> |
>
>
Wyjście :
Courses Fee 0 GFG 20000.0 1 JS 25000.0 2 Python 22000.0 3 Numpy 24000.0 4 Matplotlib 25000.0 5 SSC 25200.0 6 CHSL 24500.0 7 Java 24900.0>
Using pd.DataFrame.reindex()>dla łączenia pionowego z wyrównaniem indeksu
Metoda pd.DataFrame.reindex() służy do pionowego łączenia ramek danych w pandach. Wyrównuje indeksy DataFrames, zapewniając prawidłowe układanie. Jest to kluczowy krok podczas łączenia DataFrames w pionie za pomocą konkatenacji w pandach.
Przykład: W tym przykładzie kod łączy dwie ramki danych pand,df1>Idf>, ignorując ich oryginalne indeksy i zapisuje wynik w zmiennejresult>. Następnie resetuje indeks połączonej ramki DataFrame
Python3
mapa skrótów Java
result>=> pd.concat([df1, df], ignore_index>=>True>)># Concatenate and reset index> result>=> result.reindex(>range>(>8>))> print>(result)> |
>
>
Wyjście :
Courses Fee 0 Matplotlib 25000 1 SSC 25200 2 CHSL 24500 3 Java 24900 4 GFG 20000 5 JS 25000 6 Python 22000 7 Numpy 24000>
Using pd.concat()>zsort=False>dla szybszego łączenia
Metoda ` pd.concat() ` w bibliotece pandas Pythona służy do łączenia ramek danych w pionie (wzdłuż wierszy) lub w poziomie (wzdłuż kolumn). Parametr „sort=False” służy do zwiększenia szybkości łączenia poprzez wyłączenie sortowania wynikowej ramki danych.
Przykład : W tym przykładzie kod używa biblioteki pandas do połączenia dwóch ramek danych, df1 i df, wzdłuż ich wierszy (oś = 0). Parametr sort=False zapobiega sortowaniu wynikowej ramki danych według nazw kolumn.
Python3
result>=> pd.concat([df1, df], sort>=>False>)> print>(result)> |
>
>
Wyjście :
Courses Fee 0 Matplotlib 25000 1 SSC 25200 2 CHSL 24500 3 Java 24900 0 GFG 20000 1 JS 25000 2 Python 22000 3 Numpy 24000>
Połącz dwie lub więcej ramek danych Pand w Pythonie za pomocą pandas.concat()
`pandas.concat()` łączy dwie ramki danych w pionie lub poziomie, układając je jedna na drugiej lub obok siebie, zapewniając elastyczny sposób łączenia danych wzdłuż określonych osi.
Przykład :W tym przykładziepd.concat()>Funkcja służy do łączenia tych ramek danych w pionie, tworząc nową ramkę danych o nazwieresult>, Iignore_index=True>służy do resetowania indeksu. Wynik końcowy jest drukowany.
Python3
result>=> pd.concat([df, df1], ignore_index>=>True>)> print>(result)> |
>
>
Wyjście:
Courses Fee 0 GFG 20000 1 JS 25000 2 Python 22000 3 Numpy 24000 4 Matplotlib 25000 5 SSC 25200 6 CHSL 24500 7 Java 24900>
Połącz wiele ramek danych w Pythonie za pomocą pandas.concat()
Metoda pandas.concat() służy do łączenia ramek danych w pionie (wzdłuż wierszy) lub w poziomie (wzdłuż kolumn). Pobiera listę ramek danych jako dane wejściowe i łączy je w oparciu o określoną oś (0 dla pionu, 1 dla poziomu).
Przykład : W tym przykładzie zastosowano pandy do utworzenia trzech ramek danych (df>,df1>, Idf2>) reprezentujący informacje o kursach, opłatach, czasie trwania i zniżkach. Następnie łączy te ramki danych w pionie, używającpd.concat()>, tworząc nową ramkę danych o nazwieresult>z indeksem resetowania, a wynikowa ramka danych jest drukowana.
Python3
result>=> pd.concat([df, df1, df2], ignore_index>=>True>)> print>(result)> |
>
>
Wyjście:
Courses Fee Duration Discount 0 GFG 20000 NaN NaN 1 JS 25000 NaN NaN 2 Python 22000 NaN NaN 3 Numpy 24000 NaN NaN 4 Matplotlib 25000 NaN NaN 5 SSC 25200 NaN NaN 6 CHSL 24500 NaN NaN 7 Java 24900 NaN NaN 8 NaN NaN 30day 1000.0 9 NaN NaN 40days 2300.0 10 NaN NaN 35days 2500.0 11 NaN NaN 60days 2000.0>
Pandy Połącz dwie ramki danych za pomocą pandas.join() w celu połączenia dwóch ramek danych
Thepandas.join()>Metoda służy do łączenia ramek danych w pionie lub poziomie w oparciu o określone kolumny, wykonując złączenie w stylu SQL. Łączy wiersze lub kolumny z dwóch ramek danych w oparciu o wspólne wartości kolumn, umożliwiając łączenie wewnętrzne, zewnętrzne, lewe lub prawe.
Przykład : W tym przykładziejoin>Metoda służy do łączenia tych ramek danych w oparciu o ich indeksy, w wyniku czego powstaje nowa ramka danych o nazwieresult>, który jest drukowany.
Python3
result>=> df.join(df1)> print>(result)> |
>
>
Wyjście:
Courses Fee Duration Discount 0 GFG 20000 30day 1000 1 JS 25000 40days 2300 2 Python 22000 35days 2500 3 Numpy 24000 60days 2000>
Połącz dwie ramki danych w Pythonie za pomocą DataFrame.append()
` DataFrame.append() Metoda ` w pandach służy do łączenia dwóch ramek danych w pionie, dodając wiersze jednej ramki danych poniżej drugiej. Zwraca nową ramkę DataFrame z połączonymi danymi. Upewnij się, że obie ramki danych mają te same kolumny.
Przykład : W tym przykładzie używamyappend()>metodę, w wyniku czego powstaje nowa ramka danych o nazwieresult>z indeksem resetowania, który jest drukowany.
Python3
tablica sortująca w Javie
result>=> df.append(df1, ignore_index>=>True>)> print>(result)> |
>
>
Wyjście:
Courses Fee 0 GFG 20000 1 JS 25000 2 Python 22000 3 Numpy 24000 4 Matplotlib 25000 5 SSC 25200 6 CHSL 24500 7 Java 24900>