阿里面试题：Pandas中合并数据的5个函数，各有千秋！

Posted 2022-12-09 数据分析与统计学之美

前几天，在一个群里面，看到一位朋友，说自己接到了阿里的面试，人家问了一些关于pandas的使用。其中一个问题是：pandas中合并数据的5中方法。

今天借着这个机会，就为大家盘点一下pandas中合并数据的5个函数。但是对于每个函数，我这里不打算详细说明，具体用法大家可以参考pandas官当文档。

• join主要用于基于索引的横向合并拼接；
• merge主要用于基于指定列的横向合并拼接；
• concat可用于横向和纵向合并拼接；
• append主要用于纵向追加；
• combine可以通过使用函数，把两个DataFrame按列进行组合。

join

join是基于索引的横向拼接，如果索引一致，直接横向拼接。如果索引不一致，则会用Nan值填充。

索引一致

x = pd.DataFrame('A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2'],
                    index=[0, 1, 2])
y = pd.DataFrame('C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3'],
                    index=[0, 1, 2])
x.join(y)

结果如下：

索引不一致

x = pd.DataFrame('A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2'],
                    index=[0, 1, 2])
y = pd.DataFrame('C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3'],
                    index=[1, 2, 3])
x.join(y)

结果如下：

merge

merge是基于指定列的横向拼接，该函数类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

• 可以指定不同的how参数，表示连接方式，有inner内连、left左连、right右连、outer全连，默认为inner;

x = pd.DataFrame('姓名': ['张三', '李四', '王五'],
                     '班级': ['一班', '二班', '三班'])
y = pd.DataFrame('专业': ['统计学', '计算机', '绘画'],
                      '班级': ['一班', '三班', '四班'])

pd.merge(x,y,how="left")

结果如下：

concat

concat函数既可以用于横向拼接，也可以用于纵向拼接。

纵向拼接

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
z = pd.concat([x,y],axis=0)
z

结果如下：

横向拼接

x = pd.DataFrame('姓名': ['张三', '李四', '王五'],
                     '班级': ['一班', '二班', '三班'])
y = pd.DataFrame('专业': ['统计学', '计算机', '绘画'],
                      '班级': ['一班', '三班', '四班'])
z = pd.concat([x,y],axis=1)
z

结果如下：

append

append主要用于纵向追加数据。

x = pd.DataFrame([['Jack','M',40],['Tony','M',20]], columns=['name','gender','age'])
y = pd.DataFrame([['Mary','F',30],['Bob','M',25]], columns=['name','gender','age'])
x.append(y)

结果如下：

combine

conbine可以通过使用函数，把两个DataFrame按列进行组合。

x = pd.DataFrame("A":[3,4],"B":[1,4])
y = pd.DataFrame("A":[1,2],"B":[5,6])
x.combine(y,lambda a,b:np.where(a>b,a,b))

结果如下：

注：上述函数，用于返回对应位置上的最大值。