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

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。

# 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。

　　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(lái);

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(lái)進(jìn)行一下測(cè)。

　　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(wàn)行到 1000 萬(wàn)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(wàn)。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(qǐng)使用join()進(jìn)行操作。