在 Pandas 中有很多種方法可以進(jìn)行dataframe(數(shù)據(jù)框)的合并。

本文將研究這些不同的方法，以及如何將它們執(zhí)行速度的對(duì)比。

合并DF

Pandas 使用 .merge() 方法來執(zhí)行合并。

import pandas as pd  
# a dictionary to convert to a dataframe
data1 = {'identification': ['a', 'b', 'c', 'd'],
      'Customer_Name':['King', 'West', 'Adams', 'Mercy'],         'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],}  
# our second dictionary to convert to a dataframe  
data2 = {'identification': ['a', 'b', 'c', 'd'],
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],  
      'Age':[60, 30, 40, 50]}  
# Convert the dictionary into DataFrame  
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)  

運(yùn)行我們的代碼后，有兩個(gè) DataFrame，如下所示。

identification Customer_Name ? ? ? ? Category
0 ? ? ? ? ? ? a ? ? ? ? King ? ? ? furniture
1 ? ? ? ? ? ? b ? ? ? ? West Office Supplies
2 ? ? ? ? ? ? c ? ? ? ? Adams ? ? ? Technology
3 ? ? ? ? ? ? d ? ? ? ? Mercy ? ? R_materials ?
?
identification ? ? ? ? ? Class Age
0 ? ? ? ? ? ? a ? ? First_Class ? 60
1 ? ? ? ? ? ? b ? Second_Class ? 30
2 ? ? ? ? ? ? c ? ? ? Same_day ? 40
3 ? ? ? ? ? ? d Standard Class ? 50

使用 merge() 函數(shù)進(jìn)一步合并。

import pandas as pd
df1=...
df2=...
x= pd. merge( df1,df2,
left_on = "df1_col1",
right_on = "df2_col1" )

# using .merge() function  
new_data = pd.merge(df1, df2, on='identification')

這產(chǎn)生了下面的新數(shù)據(jù)；

identification Customer_Name Category ? ? Class ? ? ? ? ? Age
0 ? ? a ? ? ? ? ? King ? ? ? ? furniture ? ? First_Class ? ? 60
1 ? ? b ? ? ? ? ? West ? ? ? ? Office Supplies Second_Class ? 30
2 ? ? c ? ? ? ? ? Adams ? ? ? ? Technology ? ? Same_day ? ? 40
3 ? ? d ? ? ? ? ? Mercy ? ? ? ? R_materials Standard Class ? 50

.join() 方法也可以將不同索引的 DataFrame 組合成一個(gè)新的 DataFrame。我們可以使用參數(shù)‘on’參數(shù)指定根據(jù)哪列進(jìn)行合并。

import pandas as pd
df1 = ...
df2 = ...
df1.set_index ( "df1_col1", inplace = True)
df2.set_index ( "df2_col1", inplace = True)
x=df1.join( df2)

讓我們看看下面的例子，我們?nèi)绾螌嗡饕?DataFrame 與多索引 DataFrame 連接起來；

import pandas as pd  
# a dictionary to convert to a dataframe
data1 = {
      'Customer_Name':['King', 'West', 'Adams'],  
    'Category':['furniture', 'Office Supplies', 'Technology'],} 7    
# our second dictionary to convert to a dataframe  
data2 = {
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],  
    'Age':[60, 30, 40, 50]}  
# Convert the dictionary into DataFrame  
Ndata = pd.DataFrame(data1, index=pd.Index(['a', 'b', 'c'], name='identification'))
index = pd.MultiIndex.from_tuples([('a', 'x0'), ('b', 'x1'),
                                ('c', 'x2'), ('c', 'x3')],
                                names=['identification', 'x']) 19  
# Convert the dictionary into DataFrame  
Ndata2 = pd.DataFrame(data2, index= index)
print(Ndata, "\n\n", Ndata2)
# joining singly indexed with
# multi indexed
result = Ndata.join(Ndata2, how='inner')

我們的結(jié)果如下所示；

? ? ? ?Customer_Name ? ? ? Category ? ? Class ? ? ? Age
identification x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 3 a ? ? ? ? x0 ? ? ? King ? ? ? furniture ? ? First_Class ? ? 60
b ? ? ? ? x1 ? ? ? West ? ? Office Supplies ? Second_Class ? 30
c ? ? ? ? x2 ? ? ? Adams ? ? ? Technology ? ? ? Same_day ? ? 40
? ? ? ? x3 ? ? ? Adams ? ? ? Technology Standard Class ? ? 50

連接DF

Pandas 中concat() 方法在可以在垂直方向（axis=0）和水平方向（axis=1）上連接 DataFrame。我們還可以一次連接兩個(gè)以上的 DataFrame 或 Series。

讓我們看一個(gè)如何在 Pandas 中執(zhí)行連接的示例；

import pandas as pd  
# a dictionary to convert to a dataframe
data1 = {'identification': ['a', 'b', 'c', 'd'],
      'Customer_Name':['King', 'West', 'Adams', 'Mercy'],  
      'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],}  
# our second dictionary to convert to a dataframe  
data2 = {'identification': ['a', 'b', 'c', 'd'],
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],  
      'Age':[60, 30, 40, 50]}  
# Convert the dictionary into DataFrame  
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)  
#perform concatenation here based on horizontal axis
new_data = pd.concat([df1, df2], axis=1)
print(new_data)

這樣就獲得了新的 DataFrame ：

identification Customer_Name ? ? ? ? Category identification \
0 ? ? ? ? ? ? a ? ? ? ? King ? ? ? furniture ? ? ? ? ? ? a ? 3 1 ? ? ? ? ? ? b ? ? ? ? West Office Supplies ? ? ? ? ? ? b ? 4 2 ? ? ? ? ? ? c ? ? ? ? Adams ? ? ? Technology ? ? ? ? ? ? c ? 5 3 ? ? ? ? ? ? d ? ? ? ? Mercy ? ? R_materials ? ? ? ? ? ? d ? ?
? ? ? ? Class ? ? ? Age ?
0 ? ? First_Class ? 60 ?
1 ? Second_Class ? 30 ?
2 ? ? ? Same_day ? 40 ?
3 Standard Class ? 50

Merge和Join的效率對(duì)比

Pandas 中的Merge Joins操作都可以針對(duì)指定的列進(jìn)行合并操作（SQL中的join）那么他們的執(zhí)行效率是否相同呢？下面我們來進(jìn)行一下測。

兩個(gè) DataFrame 都有相同數(shù)量的行和兩列，實(shí)驗(yàn)中考慮了從 100 萬行到 1000 萬行的不同大小的 DataFrame，并在每次實(shí)驗(yàn)中將行數(shù)增加了 100 萬。我對(duì)固定數(shù)量的行重復(fù)了十次實(shí)驗(yàn)，以消除任何隨機(jī)性。下面是這十次試驗(yàn)中合并操作的平均運(yùn)行時(shí)間。

上圖描繪了操作所花費(fèi)的時(shí)間（以毫秒為單位）。

正如我們從圖中看到的，運(yùn)行時(shí)間存在顯著差異——最多相差 5 倍。隨著 DataFrame 大小的增加，運(yùn)行時(shí)間之間的差異也會(huì)增加。兩個(gè) JOIN 操作幾乎都隨著 DataFrame 的大小線性增加。但是，Join的運(yùn)行時(shí)間增加的速度遠(yuǎn)低于Merge。

如果需要處理大量數(shù)據(jù)，還是請使用join()進(jìn)行操作。