左手用R右手Python系列——数据合并与追加

今天这篇跟大家介绍R语言与Python数据处理中的第二个小知识点——数据合并与追加。

主要内容：

针对数据合并与追加，R与Python中都有对应的函数可以快速完成需求，根据合并与追加的使用场景，这里我将本文内容分成三部分：

数据合并（简单合并，无需匹配）
数据合并（匹配合并）
数据追加

数据合并（简单合并，无需匹配）

针对简单合并而言，在R语言中主要通过以下两个函数来实现：

cbind()

dplyr::bind_cols()

df1 <- data.frame(A=c('A0', 'A1', 'A2', 'A3'),
                     B= c('B0', 'B1', 'B2', 'B3'),
                     C= c('C0', 'C1', 'C2', 'C3'),
                     D=c('D0', 'D1', 'D2', 'D3')
                    )
df2 <- data.frame(E=c('A4', 'A5', 'A6', 'A7'),
                    F= c('B4', 'B5', 'B6', 'B7'),
                    G=c('C4', 'C5', 'C6', 'C7'),
                     H= c('D4', 'D5', 'D6', 'D7'))
df3 <-data.frame(I=c('A8', 'A9', 'A10', 'A11'),
                     J= c('B8', 'B9', 'B10', 'B11'),
                    K=c('C8', 'C9', 'C10', 'C11'),
                    L=c('D8', 'D9', 'D10', 'D11')
                   )
df1;df2;df3
mydata1<-cbind(df1,df2,df3);mydata1
mydata2<-dplyr::bind_cols(df1,df2,df3);mydata1

在Python中，简单的合并可以通过Pandas中的concat函数来实现的。

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'C': ['C0', 'C1', 'C2', 'C3'],
                     'D': ['D0', 'D1', 'D2', 'D3']},
                     index=[0, 1, 2, 3])
df2 = pd.DataFrame({'E': ['A4', 'A5', 'A6', 'A7'],
                    'F': ['B4', 'B5', 'B6', 'B7'],
                    'G': ['C4', 'C5', 'C6', 'C7'],
                     'H': ['D4', 'D5', 'D6', 'D7']},
                      index=[0, 1, 2, 3])
df3 = pd.DataFrame({'I': ['A8', 'A9', 'A10', 'A11'],
                     'J': ['B8', 'B9', 'B10', 'B11'],
                    'K': ['C8', 'C9', 'C10', 'C11'],
                    'L': ['D8', 'D9', 'D10', 'D11']},
                    index=[0, 1, 2, 3])
result1 = pd.concat([df1,df2,df3],axis=1,join_axes=[df1.index])

横向合并：（需匹配）

在R语言中，这种操作有很多可选方案，如基础函数merge、plyr包中的join函数以及dplyr包中的left/right/inter/full_join等函数。

merge
plyr::join
dplyr::left/right/inter/full_join

这里为了节省时间，只介绍第一种基础函数，欲了解详情，可以查看这篇历史文章：

R语言数据处理——数据合并与追加

merge(x, y,  #带合并的数据集名称（左右顺序）
  by = intersect(names(x), names(y)), #合并依据字段（名称相同）
  by.x = by,  #名称不同时需同时时声明
  by.y = by,  #名称不同时需同时时声明
  all = FALSE,#合并类型，TRUE为全连接 （full），FALSE为内连接 （inter）
  all.x = all,#左连接
  all.y = all,#右连接
  )
``` 
```r 
df3<-data.frame(id=c(1001,1002,1003,1004,1005,1006,1007,1008),
gender=c('male','female','male','female','male','female','male','female'),
pay=c('Y','N','Y','Y','N','Y','N','Y'),
m_point=c(10,12,20,40,40,40,30,20))
df4<-data.frame(id=c(1001,1002,1003,1004,1005,1006),
city=c('Beijing ', 'Shenzhen','Guangzhou', 'Shenzhen', 'Shanghai','Beijing'),
age=c(23,44,54,32,34,32),
category=c('100-A','100-B','110-A','110-C','210-A','130-F'),
price=c(1200,2900,2133,5433,1346,4432))
print(df3);print(df4)

mydata3<-merge(df3,df4,by="id",all=TRUE);print(mydata3)
mydata3<-merge(df3,df4,by="id",all=FALSE);print(mydata3)
mydata3<-merge(df3,df4,by="id",all.x=TRUE);print(mydata3)
mydata3<-merge(df3,df4,by="id",all.y=TRUE);print(mydata3)

在Python中，这一操作也可以通过函数Pandas库中的cancat函数或者merge函数来完成。

Pandas-merge

df3=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male',
'female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y'],
"m-point":[10,12,20,40,40,40,30,20]})
df4= pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102',periods=6),
"city":['Beijing', 'Shenzhen','Guangzhou','Shenzhen','Shanghai','Beijing'],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age','price'])
print(df3);print(df4)

df_inner=pd.merge(df3,df4,how='inner');print(df_inner) #数据表合并（内连接：inter join）
df_left=pd.merge(df3,df4, how='left') ;print(df_left)  #数据表合并（左连接：left join）
df_right=pd.merge(df3,df4,how='right');print(df_right) #数据表合并（右连接:right join）
df_outer=pd.merge(df3,df4,how='outer');print(df_outer) #数据表合并（全连接:full join）

数据追加：

数据追加通常只需保证数据及的宽度一致且列字段名称一致，相对来说比较简单。在R语言和Python中，也很好实现。

在R语言中，可视化朱数据追加的函数有：

rbind()
dplyr::bind_rows()

1 2	mydata3<-rbind(df1,df2,df3);mydata3 mydata4<-dplyr::bind_rows(df1,df2,df3);mydata4

python中则可以很容易的通过数据框本身的append函数来实现简单的数据追加：

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'C': ['C0', 'C1', 'C2', 'C3'],
                     'D': ['D0', 'D1', 'D2', 'D3']},
                     index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                     'D': ['D4', 'D5', 'D6', 'D7']},
                      index=[4,5,6,7])
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                     'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']},
                    index=[8, 9,10,11])
result = df1.append(df2);print(result)
result = result.append(df3);print(result)

如果是使用canat函数也可以非常轻松的完成数据追加：

1	result = pd.concat([df1, df2, df3]);print(result)

本文汇总：

工具	数据合并（简单合并）	数据合并（匹配和并）	数据追加：
R：	cbind dplyr::bind_cols	merge plyr::join dplyr::left/right/inter/full_join	rbindd plyr::bind_rows
Python:	Pandas-cancat	merge cancat	append cancat

以上仅是个人常用的几种，方法肯定不至于此，欢迎大家补充！

联系方式：
wechat：ljty1991
Mail:578708965@qq.com
个人公众号：数据小魔方（datamofang）

qq交流群：[魔方学院]298236508

个人简介：
杜雨
财经专业研究僧；
伪数据可视化达人；
文科背景的编程小白；
喜欢研究商务图表与地理信息数据可视化，爱倒腾PowerBI、SAP DashBoard、Tableau、R ggplot2、Think-cell chart等诸如此类的数据可视化软件，创建并运营微信公众号“数据小魔方”。
Mail:578708965@qq.com