(资料图片)

目录

1、pd.concat2、 df.append3、 pd.merge()4、 df.join总结

前言：

两个表中的数据，要根据关键字段，进行合并。
在Excel中可以使用vlookup的方式，在python中可以使用concat或者是merge的方法。

1、pd.concat

pd.concat 函数：

拼接的对象可以是series，还可以是dataframe拼接对象的个数不受限axis 控制拼接方向（既支持上下拼接，也支持左右拼接）左右拼接 axis=1，左右拼接的依据是行索引；上下拼接 axis =0 ,拼接依据是列名，默认是上下拼接join 指定拼接方法join=“inner” 内联,表示保留两个表共有的行索引join=“outer” 外联,表示保留两个表所有的行索引，默认外联

#导入需要的包
import pandas as pd

#创建需要的数据集：产品表
dict1={"产品编号":["CP13","CP14","CP15","CP16","CP17"],"产品名称":["产品A003","产品A004","产品A005","产品A006","产品A007"]}
df1 = pd.DataFrame(dict1)
df1

#创建需要的数据集：详情表
dict2={"订单编号":["20220913","20220914","20220915","20220915"],
       "产品编号":["CP13","CP14","CP15","CP16"],
       "产品销量":[13,24,45,32],
       "负责人":["张三","赵六","李八","李八"]}
df2 = pd.DataFrame(dict2)
df2

pd.concat([df1,df2])#默认上下拼接，拼接依据是列名；默认外联，保留两个表都有的索引信息

pd.concat([df1,df2],ignore_index=True)#重置行索引

#左右拼接的依据是行索引  axis默认是0上下拼接，1为左右拼接；默认外联（join = "outer"）
pd.concat([df1,df2],axis=1) 

#join指定了拼接方法，内联，表示保留两个表共有的行索引
pd.concat([df1,df2],axis=1,join="inner") 

2、 df.append

和concat上下拼接的结果类似

df1.append(df2) 

3、 pd.merge()

拼接对象是dataframe或者series，左表必须是datafram拼接的数量只能是两个拼接方向只能左右拼

#left_on写左表进行拼接的字段，right_on写右表要进行拼接的字段
pd.merge(df1,df2,left_on="产品编号",right_on="产品编号",how = "right")

#若两表拼接字段名完全一样，可写一个on
pd.merge(df1,df2,on="产品编号")

4、 df.join

和concat左右拼接的结果类似

df1.join(df2, lsuffix="_b", rsuffix="_a")

总结

到此这篇关于python进行数据合并concat/merge的文章就介绍到这了,更多相关python数据合并内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 产品编号 的依据是 可以使用 希望大家 关键字段