Pandas DataFrame.join()用法介绍

本文概述

• 识别联接键
• 内部联接
• 左联接
• 句法
• 参数

当我们想要串联我们的DataFrame时, 我们可以通过垂直或并排堆叠它们来相互添加。组合这些DataFrame的另一种方法是在每个数据集中使用包含公用值的列。使用公共字段组合DataFrame的方法称为”连接”。我们用于组合DataFrame的方法是join()方法。包含公用值的列称为”联接键”。

当一个DataFrame是一个查找表, 其中包含添加到另一个DataFrame中的其他数据时, join()方法通常很有用。这是一种方便的方法, 可以将两个索引不同的DataFrame的列合并为一个DataFrame。

识别联接键

为了确定适当的连接键, 首先, 我们必须定义在DataFrame之间共享的必填字段。这两个DataFrame都由具有相同名称并且包含相同数据的列组成。

内部联接

内部联接可以定义为最常用的联接。基本上, 其主要任务是基于连接键将两个DataFrame组合在一起并返回一个新的DataFrame。返回的DataFrame仅包含在两个原始DataFrame中都具有匹配值的选定行。

左联接

如果我们想在不丢失任何数据的情况下向DataFrame中添加一些信息, 我们可以简单地通过称为”左外部连接”或”左连接”的另一种类型的连接来做到这一点。

像内部联接一样, 左联接也使用联接键来组合两个DataFrame, 但是与内部联接不同, 它会返回左侧DataFrame的所有行, 即使那些联接键不包含右侧DataFrame中值的行也是如此。

句法

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

参数

其他：指的是DataFrame或Series。

在这种情况下, 索引应类似于列之一。如果传递了Series, 则必须设置named属性, 以将其用作结果联接的DataFrame中的列名。

on：这是一个可选参数, 它引用类似数组或str的值。

它引用调用方中要加入索引的列或索引级别名称。否则, 它将加入索引索引。如果存在多个值, 则另一个DataFrame必须具有MultiIndex。就像Excel VLOOKUP操作一样, 如果调用的DataFrame中尚未包含数组, 则可以将其作为连接键传递。

方法：指的是”左”, “右”, “外”, “内”值, 主要用于处理两个对象的操作。默认值为how。

• left：如果指定了on, 则使用调用框架的索引或列。
• 右：它使用另一个索引。
• external：如果将参数on与其他索引一起指定, 则用于形成调用框架的索引或列的并集, 并按字典顺序对其进行排序。
• inner：如果将参数on与其他索引一起指定, 则用于形成调用框架的索引或列的交集。因此, 由于这个原因, 它保留了调用对象的顺序。

lsuffix：它是指具有默认值””的字符串对象。它使用左框架重叠列中的后缀。

rsuffix：它是指一个字符串值, 其默认值为””。它使用右框架重叠列中的后缀。

sort：由一个布尔值组成, 该布尔值通过join键按字典顺序对结果DataFrame进行排序。如果我们传递False值, 则联接键的顺序主要取决于联接类型, 即方式。

示例：下面的示例演示join()函数的工作方式。

import pandas as pd
info = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
x = pd.DataFrame({'key': ['K0', 'K1', 'K2'], 'B': ['B0', 'B1', 'B2']})
info.join(x, lsuffix='_caller', rsuffix='_x') 
info.set_index('key').join(x.set_index('key'))
info.join(x.set_index('key'), on='key')

输出

key  A   B
0   K0   A0  B0
1   K1   A1  B1
2   K2   A2  B2
3   K3   A3  NaN
4   K4   A4  NaN
5   K5   A5  NaN

示例2：下面的示例将两个MultiIndex连接在一起：

import pandas as pd
leftindex = pd.MultiIndex.from_product([list('xyz'), list('pq'), [1, 2]], names=['xyz', 'pq', 'num'])
left = pd.DataFrame({'value': range(12)}, index=leftindex)
left

输出

value
xyz	pq	num	
x	p	1	0
2	1
q	1	2
2	3
y	p	1	4
2	5
q	1	6
2	7
z	p	1	8
2	9
q	1	10
2	11