博客

详解pandas.DataFrame.join()（连接数据框）函数使用方法

  • Post category:Python

pandas.DataFrame.join()方法可以用于将多个DataFrame对象按照指定的列进行连接合并。本方法支持多种连接方式，包括左连接、右连接、内连接和外连接。

以下是该方法的函数定义：

DataFrame.join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False)

其中，参数含义如下：

  • self：左表，必选参数；
  • other：右表，必选参数；
  • on：连接用的键，必须是两个表中都存在的列名。如果未指定，则默认使用两个表中所有的共同列。也可以是列表或者DataFrame中的MultiIndex，可选参数；
  • how：连接方式，包括left、right、outer、inner等方式，默认为left，可选参数；
  • lsuffix和rsuffix：当两个表中有某个列名相同时，可以分别在该列名后面添加后缀，以区别于另外一个表的列，默认为”，可选参数；
  • sort：是否对结果进行排序，默认为False，可选参数。

下面我们给出两个实例，详细讲解pandas.DataFrame.join()的使用方法：

实例1：使用join方法进行左连接

import pandas as pd

# 生成左右两个数据表
left_df = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})
right_df = pd.DataFrame({'key': ['B', 'D', 'E', 'F'], 'value': [5, 6, 7, 8]})

# 将左右两个数据表按照key列进行左连接
result = left_df.join(right_df.set_index('key'), on='key', how='left', rsuffix="_right")

# 打印连接结果
print(result)

# 输出结果：
#   key  value  value_right
# 0   A      1          NaN
# 1   B      2          5.0
# 2   C      3          NaN
# 3   D      4          6.0

在本实例中，我们使用pandas.DataFrame.join()将左右两个数据表按照key列进行左连接。具体步骤如下：

  • 对右表进行处理，将其设置index为key列，这样可以使用on='key'直接进行连接；
  • 调用pandas.DataFrame.join()方法实现连接，how='left'表示左连接。

最后，我们输出连接后的结果，可以看到，对于左表具有而右表中不存在的数据，我们将其用NaN值填充。

实例2：使用join方法同时连接多个数据表

import pandas as pd

# 生成三个不同的数据表
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'], 'value2': [5, 6, 7, 8]})
df3 = pd.DataFrame({'key': ['A', 'C', 'F', 'G'], 'value3': [9, 10, 11, 12]})

# 对三个数据表进行连接
result = df1.join(df2.set_index('key'), on='key').join(df3.set_index('key'), on='key')

# 打印连接结果
print(result)

# 输出结果：
#   key  value1  value2  value3
# 0   A       1    NaN    9.0
# 1   B       2    5.0    NaN
# 2   C       3    NaN   10.0
# 3   D       4    6.0    NaN

在本实例中，我们演示了如何使用join()方法同时连接多个数据表。步骤如下：

  • 针对每一个需要连接的数据表，都需要将该表的Index设置为将被用作连接的key列；
  • 对第一个表df1调用join()方法，并且通过set_index()方法将df2设置为了第二个表，可以使用on='key'直接进行连接；
  • 将df3同样按照key列进行连接，最终得到我们想要的连接结果。

综上可知，pandas.DataFrame.join()方法是一种实用且强大的数据连接函数，它可以轻松地进行多个数据表连接并且灵活地设置连接类型和连接字段等参数，方便我们的数据分析。

Tags: