在Python數據分析領域，pandas庫以其強大的數據處理能力而聞名。其中，DataFrame的合併與連接操作是數據整合與分析過程中的關鍵步驟。本文將詳細介紹如何利用Pandas提供的concat和merge方法進行DataFrame的合併與連接，並通過實際代碼示例展示其應用場景。
使用pd.concat()進行DataFrame的合併
1.水平（橫向）合併
pd.concat()函數可以用於水平方向上拼接多個DataFrame。當DataFrames的列名相同或互補時，可通過此方法實現行的堆疊：
import pandas as pd
# 創建兩個具有相同列名的DataFrame
df1 = pd.DataFrame({'Name': ['John', 'Anna'], 'Age': [28, 30]})
df2 = pd.DataFrame({'Name': ['Peter', 'Linda'], 'Age': [25, 35]})
# 使用pd.concat()進行水平合併
merged_df = pd.concat([df1, df2], ignore_index=True) # 忽略原索引並生成新索引
print(merged_df)
2.垂直（縱向）合併
當需要根據DataFrame的索引進行合併時，可以通過設置axis=1來實現垂直方向上的合併：
df3 = pd.DataFrame({'Country': ['USA', 'Canada']}, index=['John', 'Anna'])
df4 = pd.DataFrame({'City': ['New York', 'Toronto']}, index=['John', 'Anna'])
# 垂直方向合併
vertical_merged_df = pd.concat([df3, df4], axis=1)
print(vertical_merged_df)
使用pd.merge()進行DataFrame的連接
pd.merge()函數基於指定鍵（key）對DataFrame進行連接操作，適用於具有共同列名或者索引的情況。主要有以下幾種連接類型：
- 內連接（inner join）：默認情況下，pd.merge()執行的是內連接，只保留兩個DataFrame中鍵值匹配的行。
df5 = pd.DataFrame({'Name': ['John', 'Peter'], 'Department': ['Sales', 'IT']})
df6 = pd.DataFrame({'Name': ['John', 'Anna'], 'Salary': [50000, 60000]})
# 內連接
inner_joined_df = pd.merge(df5, df6, on='Name')
print(inner_joined_df)
- 左連接（left join）：保留左側DataFrame的所有記錄，右側DataFrame僅包含與左側鍵值匹配的記錄。
left_joined_df = pd.merge(df5, df6, on='Name', how='left')
print(left_joined_df)
- 右連接（right join）：保留右側DataFrame的所有記錄，左側DataFrame僅包含與右側鍵值匹配的記錄。
right_joined_df = pd.merge(df5, df6, on='Name', how='right')
print(right_joined_df)
- 全連接（outer join）：保留兩個DataFrame中所有記錄，未匹配的鍵值用NaN填充。
outer_joined_df = pd.merge(df5, df6, on='Name', how='outer')
print(outer_joined_df)
進階應用及注意事項
- 多鍵連接：可以同時指定多個鍵進行連接，只需將鍵名稱以列表形式傳入on參數即可。
- 連接順序與效率：對於大數據集，連接操作可能會消耗大量計算資源。合理安排連接順序和選擇合適的連接類型能夠有效提升性能。
- 處理重複鍵值：在進行連接時，如果存在重複鍵值，需考慮如何處理這些重複項，以避免結果集出現冗餘或混淆。
總結
掌握Pandas DataFrame的合併與連接操作是進行複雜數據處理和分析的關鍵技能。無論是Web開發中的API響應集成，還是數據分析項目中的多源數據融合，靈活運用pd.concat()與pd.merge()都能顯著提高工作效率，確保數據處理流程的準確性和完整性。
關注我，手把手帶你快速入門 AI 機器學習編程！
