python函数合并,python数据合并的主要函数有哪些?

python横向合并数据哪个更常用一些

join主要用于基于索引的横向合并拼接；

merge主要用于基于指定列的横向合并拼接；

concat可用于横向和纵向合并拼接；

append主要用于纵向追加；

combine可以通过使用函数，把两个DataFrame按列进行组合。

join

join是基于索引的横向拼接，如果索引一致，直接横向拼接。如果索引不一致，则会用Nan值填充merge是基于指定列的横向拼接，该函数类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

可以指定不同的how参数，表示连接方式，有inner内连、left左连、right右连、outer全连，默认为inner;

Python进行数组合并的方法

python的数组合并在算法题中用到特别多，这里简单总结一下：

假设有a1和a2两个数组：

a1=[1,2,3]

a2=[4,5,6]

1. 直接相加

合并后赋值给新数组a3

a3 = a1 + a2

2. extend

调用此方法，a1会扩展成a1和a2的内容 a1.extend(a2)

3. 列表表达式

先生成新的二维数组) a3 = [a1, a2])

列表推导形成新的数组) a4 = [ y for a in a3 for y in a ])

下面分别测试下三种数组合并方式的性能

分别输出：

17.2916171551

20.8185400963

55.1758739948

可以看出:在数据量大的时候，第一种方式的性能要高出很多。

python--pandas合并与连接

append 方法根据行在原数据框添加新的数据框。

如果想要合并后的数据框索引重写排序，可以设置参数 ignore_index=True 。

concat 函数是panda自带的，可以按行或按列合并多个pandas数据框。

按行合并多个数据框，需要注意的是 objs参数接受一个可迭代对象 。concat函数默认按行合并。

设置 ignore_index=True ，使合并后的数据框索引重新排序。

按行合并时，concat对所有的列进行全连接(参数 join='outer' )，没有的列会填充为NaN。

设置参数 join='inner' ，可以只保留共有的列。

设置参数 axis=1 或 axis='columns' ，可以按列合并多个数据框。

merge 方法根据列或索引连接数据框。

当两个数据框只有一个相同列时， merge 方法会自动根据相同列进行内连接， on 参数可以省略。

设置参数 how=['left','right','outer','inner','cross'] ，可以完成不同类型的连接。

当两个数据框没有相同列时，需要设置 left_on 和 right_on 参数，表示按这两列进行连接。

如果需要根据数据框的索引进行连接，需要根据需求设置参数 left_index=True 或者 right_index=True 。

设置 suffixes ，可以给相同的列名添加后缀。默认后缀是 _x , _y 。

join 方法与 merge 方法作用相同，基本上 merge 方法已经可以完成所有的连接操作。

join 方法对按索引连接更方便而已。

当连接的两个数据框中没有相同列时，可以直接按索引进行左连接。

同样，可以设置 how 参数，控制连接的行为。

当数据框中有相同列时，需要设置后缀。