熊猫中merge（）和concat（）之间的差异

Question

pd之间的本质区别是什么。数据帧。合并（）和pd。concat（）？

到目前为止，这是我发现的，请评论我的理解是否完整和准确：

>

. merg（）只能使用列（加上行索引），并且它在语义上适合于数据库风格的操作。. conat（）可以与任一轴一起使用，只使用索引，并且提供了添加一个分级索引。

顺便说一下，这允许以下冗余：两者都可以使用行索引组合两个数据帧。

pd。数据帧。join（）只提供了用例子集的简写。merge（）

（Pandas擅长处理数据分析中非常广泛的用例。探索文档以找出执行特定任务的最佳方式可能有点令人生畏。）

Answer 1

pd。concat将Iterable作为其参数。因此，它不能将DataFrames直接作为其参数。此外，DataFrame的维度s在连接时应沿轴匹配。

pd.merge可以以DataFrames作为参数，用于将两个DataFrames与相同的列或索引组合在一起，这不能用pd.concat来完成它将在DataFrame中显示重复的列。

而连接可以用于连接两个具有不同索引的DataFrame。

Answer 2

在高级别：

• 。concat（）只需将多个数据帧垂直堆叠在一起，或在索引上对齐后水平缝合

更具体地说，。concat（）：

• 是一个顶级的熊猫功能
• 合并两个或多个熊猫DataFrame垂直或水平
• 水平组合时仅在索引上对齐
• 当任何DataFrame包含重复索引时出错。
• 默认外部连接选项为内连接

和。merge（）：

• 作为顶级pandas函数和数据帧方法存在（从pandas 1.0开始）
• 在水平方向上正好组合两个数据帧
• 将调用的数据帧的列或索引与另一个数据帧的列或索引对齐
• 通过执行笛卡尔乘积处理连接列或索引上的重复值
• 默认为“内部联接”，带有左、外和右选项

请注意，当执行pd.merge（左，右）时，如果左有两行包含来自连接列或索引的相同值，则每行将与右的相应行组合在笛卡尔产品中。另一方面，如果使用. concat（）来组合列，我们需要确保DataFrame中没有重复的索引。

实际上：

• 考虑。CONTAUTE（<）/代码>在合并同名<代码>数据文件< /代码>时，同时考虑<代码>。合并（）在合并互补的数据帧时首先合并

参考：熊猫1. x食谱

Answer 3

一个非常高的级别差异是，merge（）用于根据公共列的值组合两个（或多个）数据帧（也可以使用索引，使用left_index=True和/或right_index=True），并且concat（）用于将一个（或多个）数据帧一个附加到另一个数据帧的下面（或侧向，取决于轴选项设置为0还是1）。

join（）用于根据索引合并2个数据帧；我们可以使用join（），而不是使用带有选项left\u index=True的merge（）。

例如：

df1 = pd.DataFrame({'Key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)})

df1:
   Key  data1
0   b   0
1   b   1
2   a   2
3   c   3
4   a   4
5   a   5
6   b   6

df2 = pd.DataFrame({'Key': ['a', 'b', 'd'], 'data2': range(3)})

df2:
    Key data2
0   a   0
1   b   1
2   d   2

#Merge
# The 2 dataframes are merged on the basis of values in column "Key" as it is 
# a common column in 2 dataframes

pd.merge(df1, df2)

   Key data1 data2
0   b    0    1
1   b    1    1
2   b    6    1
3   a    2    0
4   a    4    0
5   a    5    0

#Concat
# df2 dataframe is appended at the bottom of df1 

pd.concat([df1, df2])

   Key data1 data2
0   b   0     NaN
1   b   1     NaN
2   a   2     NaN
3   c   3     NaN
4   a   4     NaN
5   a   5     NaN
6   b   6     NaN
0   a   Nan   0
1   b   Nan   1
2   d   Nan   2