第六章 連線 總結

• 1 關係型連線
  • 1.1 連線的基本概念
  • 1.2 值連線 merge
  • 1.3 索引連線 join
• 2 方向連線
  • 2.1 多表拼接concat
  • 2.2 序列與表的合併 append, assign
• 3 類連線操作
  • 3.1 比較compare
  • 3.2 組合combine

1 關係型連線

1.1 連線的基本概念

類似SQL連線，連線方式包括左連線left、右連線right、內連線inner、外連線outer。

同一表中鍵重複時以笛卡爾積方法連線。

1.2 值連線 merge

pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)
 

how：指定連線方式（left, right, inner, outer, cross）。

on：指定連線的鍵。

left_on, right_on：指定名稱不同列的連線。

suffixes：指定名稱重複列的字尾。

注意：如果兩個鍵列都包含該鍵為空值的行，則這些行將相互匹配。這與通常的SQL連線行為不同，可能會導致意想不到的結果。

1.3 索引連線 join

DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', sort=False)

how：指定連線方式（left, right, inner, outer, cross

on：指定連線的鍵。

lsuffix, rsuffix：指定名稱重複列的字尾。

注意：如果需要指定列作為新表索引，需要set_index()再使用join。

df.set_index('key').join(other.set_index('key'))
# 或
df.join(other.set_index('key'), on='key')

2 方向連線

2.1 多表拼接concat

axis：指定拼接方向，預設axis=0，表示縱向拼接，多用於樣本拼接；axis=1表示橫向拼接，常用於欄位或特徵拼接。

縱向拼接會根據列索引對齊，橫向拼接回根據行索引對齊。

join：指定連線方式，預設join=outer

當確認要使用多表直接的方向合併時，尤其是橫向的合併，可以先用reset_index方法恢復預設整數索引再進行合併，防止出現由索引的誤對齊和重複索引的笛卡爾積帶來的錯誤結果。

keys：產生多級索引對資料來源進行標記

2.2 序列與表的合併 append, assign

append可以將序列新增到錶行的末尾。

對於預設整數序列的索引，可以使用ignore_index=True對新序列對應的索引自動標號，否則必須對Series指定name屬性。

assign可以將序列新增到表列的末尾。

均不會改動原表，只返回臨時副本

3 類連線操作

3.1 比較compare

compare：比較兩個表或者序列的不同處並將其彙總展示。

compare返回不同值所在的行列，如果相同則會被填充為缺失值NaN。

設定keep_shape=True可以完整顯示所有元素的比較情況。

3.2 組合combine

combine：將兩張表按照一定的規則進行組合，規則以函式形式傳入，進行規則比較時會自動進行列索引的對齊。

設定overtwrite引數為False可以保留被呼叫表中未出現在傳入的引數表中的列，而不會設定為缺失值。