持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第8天，点击查看活动详情

注意：本案例使用 Jupyter Notebook 进行案例演示

1. 表操作

1.1 pd.concat实现合并

pd.concat([data1, data2], axis=1)

• 按照行或列进行合并
• axis=0为列索引
• axis=1为行索引

导入相关库并读取数据：读取第一张想要合并到表

# 1. 读取数据
stock_new = pd.read_csv("stock_new.csv")
stock_new.head()

运行结果如下图所示：

读取第二张想要合并的表：

stock_new = pd.read_csv("stock_change.csv")
stock_change.head()

1.1.1 按行的方向进行拼接

合并上面两张表，并且按照行的方向进行拼接

# 按行的方向进行拼接
pd.concat([stock_new, stock_change], axis=1)

运行结果如下图所示：两张表中可能会存在这种情况：表一中的某样本在表二中不存在，则合并后不存在的样本用NaN缺失值自动补齐。

• 可以发现表头的个数多了很多，这是因为两表按照行的方向进行了拼接。

1.1.2 按列的方向进行拼接

如果两个表字段不一致，进行竖直拼接，没有的部分用NaN补齐。字段一致就会填入该填的数据。

将两表按照列的方向进行合并：

pd.concat([stock_new, stock_change], axis=0)
# 发现在列的方向多了一倍样本

运行结果如下图所示：发现新表的样本数量多了一倍，这是因为按照列的方向进行的拼接。

1.2 pd.merge实现合并

pd.merge(left, right, how='inner', on=None)

• 可以指定按照两组数据的共同键值对合并或者左右各自

• left：左表

• right：右表

• on：按哪个字段进行合并

• how：连接方式

  • inner：共有的键保留下来，不共有的键就不要了（用的最多）
  • left：左表的字段都保留下来，右表配合左表
  • right：右表中的字段都保留，左表配合右表
  • outer：外连接，两个表的键都保留

通俗理解就是按照两个表中共同存在的字段进行合并。举一个例子，比如表1有date字段，表2也有date字段，那么我们可以使用pd.merge的方式，将两个表按照date字段进行合并（on=date），经过合并会返回一个新表，新表就会将两表共有date字段的所在行保存下来。