Python 中怎样合并数据

2020 年 05 月 07 日 阅读数: 3
Python 中怎样合并数据

1. 问题

数据连接是数据处理中经常需要用到的操作。Python 常见的数据类型,都应该怎样进行连接呢?

2. 分析

2.1. list

list 的连接是最容易的,直接用 Python 语法即可。

a = [1, 2, 3]
b = [4, 5, 6]
c = a + b
print(c)
d = [a, b]
print(d)

输出结果

[1, 2, 3, 4, 5, 6]
[[1, 2, 3], [4, 5, 6]]

2.2. dict

dict 不支持 +。想要合并两个dict,需要用到**操作符。

a = {'a': 1, 'b':2, 'c': 3}
b = {'d': 4, 'e':5, 'f': 6}
c = {**a, **b}
print(c)

输出结果

{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5, 'f': 6}

如果b里面有a的键值,后面的值会覆盖掉前面的值。

a = {'a': 1, 'b':2, 'c': 3}
b = {'a': 4, 'e':5, 'f': 6}
c = {**a, **b}
print(c)

输出结果

{'a': 4, 'b': 2, 'c': 3, 'e': 5, 'f': 6}

2.3. set

set 不可 hashable,而且不支持+,所以需要另想办法。

a = set([1, 2, 3])
b = set([1, 5, 6])
c = a.union(b)
print(c)
d = {item for item in list(a) + list(b)}
print(d)

比如用它的union方法,或者用iterate特性,都可以得出相同的结果

{1, 2, 3, 5, 6}
{1, 2, 3, 5, 6}

2.4. ndarray

ndarray 合并的时候,需要注意坐标轴方向和相应方向大小是否吻合。比如

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9], [10, 11, 12]])
c = np.concatenate((a, b))
print(c)
d = np.concatenate((a, b), axis=1)
print(d)

输出结果

[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]

或者

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9]])
c = np.concatenate((a, b))
print(c)
d = np.array([[7, 8]]).transpose()
e = np.concatenate((a, d), axis=1)
print(e)

输出结果

[[1 2 3]
[4 5 6]
[7 8 9]]
[[1 2 3 7]
[4 5 6 8]]

如果是一个 vector 和一个 ndarray 想合并,可以给 vector 增加一个维度

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([7, 8])
c = b[:, np.newaxis]
d = np.concatenate((a, c), axis=1)
print(d)

输出结果

array([[1, 2, 3, 7],
[4, 5, 6, 8]])

2.5. DataFrame

DataFrame 比较灵活,可以在各个维度上进行扩展。所以连接的时候需要特别注意方向。

import pandas as pd
a = pd.DataFrame([[1, 2, 3], [4, 5, 6]], columns=['a', 'b', 'c'])
b = pd.DataFrame([[7, 8], [9, 10]], columns=['b', 'd'])
c = pd.concat([a, b], axis=0)
c
d = pd.concat([a, b], axis=1)
d

输出结果

a b c d
0 1.0 2 3.0 NaN
1 4.0 5 6.0 NaN
0 NaN 7 NaN 8.0
1 NaN 9 NaN 10.0
a b c b d
0 1 2 3 7 8
1 4 5 6 9 10

3. 总结

今天我们大致总结了 Python 里面常见数据类型的合并方式。合并是最常见的数据操作之一,应该是熟练掌握的基本功之一。

相关代码均已上传到 Data2Science@Github (https://github.com/jetorz/Data2Science),欢迎标记 Star。

4. 交流

独学而无友则孤陋寡闻。现有「数据与统计科学」微信交流群,内有数据行业资深从业人员、海外博士、硕士等,欢迎对数据科学、数据分析、机器学习、人工智能有兴趣的朋友加入,一起学习讨论。

大家可以扫描下面二维码,添加荔姐微信邀请加入,暗号:机器学习加群。

Lily

5. 扩展

5.1. 延伸阅读

  1. Numpy 中如何对矩阵的特征对排序

5.2. 参考文献

  1. [1]M. Wes, Python for Data Analysis, 2nd. Beijing: O’Reilly, 2017.

  2. [1]J. VanderPlas, Python Data Science Handbook. Beijing: O’Reilly, 2016.


Data2Science

本文使用 mdnice 排版

用户头像

张利东

关注

运筹学与商业统计硕士 2019.02.13 加入

运筹学与商业统计硕士,擅长数据分析、数据挖掘、机器学习。欢迎关注公众号「统计与数据科学」Data2Science。

评论

发布
暂无评论
Python 中怎样合并数据