《Python for Excel》读书笔记连载11：使用pandas进行数据分析之组合数据

引言：本文为《Python for Excel》中第5章Chapter 5：Data Analysis with pandas的部分内容，主要讲解了pandas如何将数据组合，即concat、join和merge函数的使用。

说明：近期有点忙，这本书的更新慢了一些，深感抱歉！特将这部分免费呈现给有兴趣的朋友。前面的内容链接如下：

1.为什么为Excel选择Python？

2.为什么为Excel选择Python？（续）

3.Python开发环境之Anaconda

4.Python开发环境之 jupyter jupyter笔记本

5.Python开发环境之Visual Studio Code

6.Python入门之基本数据类型和数据结构

7.Python入门之语句、函数和代码组织

8.NumPy入门

9.使用pandas进行数据分析之核心数据结构——数据框架和系列

10.使用pandas进行数据分析之数据操作

组合数据框架

在Excel中组合不同的数据集可能是一项繁琐的任务，通常涉及许多VLOOKUP公式。幸运的是，组合数据框架是pandas的杀手级功能之一，它的数据对齐功能将使工作变得非常轻松，从而大大减少引入错误的可能性。数据框架的组合和合并可以通过多种方式进行，本节只介绍使用concat、join和merge的最常见情况。虽然它们有重叠，但每个功能使特定任务非常简单。这里将从concat函数开始，然后解释join的不同选项，最后介绍merge，这三个函数中最通用的函数。

连接（concatenating）

要简单地将多个数据框架粘合在一起，最好使用concat函数。从函数的名称可以看出，其处理过程具有技术名称串联（concatenation）。默认情况下，concat会沿行将数据框架粘在一起，并自动对齐列。在下面的示例中，创建了另一个数据框架more_users，并将其附加到示例数据框架df的底部：

注意，现在有了重复的索引元素，因为concat将数据粘在指定的轴（行）上，并且只对齐另一个轴（列）上的数据，从而自动匹配列名，即使它们在两个数据框架中的顺序不同。如果要沿列将两个数据框架粘合在一起，设置axis=1：

concat的特殊和非常有用的特性是它接受两个以上的数据框架。在下一章中，我们将使用它从多个CSV文件中生成单个数据框架：

pd.concat([df1,df2, df3, …])

而join和merge只适用于两个数据框架，这是我们下面介绍的内容。

联接（joining）和合并（merging）

当联接（join）两个数据框架时，可以将每个数据框架的列组合成一个新的数据框架，同时依靠集理论来决定行的情况。如果你以前使用过关系数据库，那么它的概念与SQL查询中的JOIN子句相同。图5-3通过使用两个示例数据框架df1和df2，展示了四种联接类型（即内联接Inner、左联接Left、右联接Right和外联接Outer）如何工作。

图5-3.联接类型

使用join，pandas使用两个数据框架的索引来对齐行。内联接（innerjoin）返回的数据框架只包含索引重叠的行。左联接（leftjoin）获取左数据框架df1中的所有行，并在索引上匹配右数据框架df2中的行，在df2没有匹配行的地方，pandas将填充NaN。左联接对应于Excel中的VLOOKUP情况。右联接（rightjoin）获取右表df2中的所有行，并将它们与df1中索引相同的行相匹配。最后，外联接（outerjoin）是完全外联接（fullouter join）的缩写，它从两个数据框架中获取索引的并集，并尽可能匹配值。表5-5相当于图5-3的文本形式。

表5-5.联接类型

让我们看看它们在实践中是如何运作的，将图5-3中的示例付诸实践：

如果要在一个或多个数据框架列上联接而不是依赖索引，那么使用“合并”（merge）而不是“联接”（join）。merge接受on参数以提供一个或多个列作为联接条件（joincondition）：这些列必须存在于两个数据框架中，用于匹配行：

由于join和merge接受相当多的可选参数以适应更复杂的场景，因此你可以查看官方文档以了解关于它们的更多信息。

现在知道了如何操作一个或多个数据框架，是时候进入数据分析旅程的下一步：理解数据。