PandsはDataframeの合併を実現します。


概要
PandsはSeriesとDataframeを結合する多くの強力な機能を提供しており、これらの機能によってデータ解析が容易に行えます。本論文ではPandsを使ってSeriesとDataframeを統合する方法を詳しく説明します。
concatを使う
concatは最もよく使われる統合DFの方法です。まずconcatの定義を見てください。

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None,
          levels=None, names=None, verify_integrity=False, copy=True)
私たちがよく使うパラメータを見てください。
objsはSeriesまたはSeriesのシーケンスまたはマッピングです。
axisは接続する軸を指定します。join:{'inner'、'outer'}接続方式は、他の軸のindexをどのように処理し、outerは合併を表し、innerは交差を表します。
イグノア.index:元のindex値を無視して、0,1,...n-1を使って代替します。
コピーするかどうか。
keys:最外層の多階層構造のindexを指定します。
まずいくつかのDFを定義してから、どのようにconcatを使ってこれらのDFを接続するかを見ます。

In [1]: 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])
   ...: 

In [2]: 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])
   ...: 

In [3]: 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])
   ...: 

In [4]: frames = [df1, df2, df3]

In [5]: result = pd.concat(frames)
df 1,df 2,df 3は、同じ列名と異なるindexを定義し、framesに入れてDFを構成するlistを定義し、これをパラメータとしてconcatに入れてDFを統合することができる。

複数の階層の例を挙げます。

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

キーを使用して、frameの異なるframeのkeyを指定できます。
使う時、外部のキーを選択して特定のframeに戻ります。

In [7]: result.loc['y']
Out[7]: 
    A   B   C   D
4  A4  B4  C4  D4
5  A5  B5  C5  D5
6  A6  B6  C6  D6
7  A7  B7  C7  D7
上記の例で接続されている軸はデフォルトでは0です。つまり行で接続します。例を見てみます。列で接続するなら、axis=1を指定できます。

In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
   ...:                     'D': ['D2', 'D3', 'D6', 'D7'],
   ...:                     'F': ['F2', 'F3', 'F6', 'F7']},
   ...:                    index=[2, 3, 6, 7])
   ...: 

In [9]: result = pd.concat([df1, df4], axis=1, sort=False)

デフォルトのjoin='outer'は、合併後indexが存在しないところはNaNに補完されます。
以下はジョイン=innerの状況を見ます。

In [10]: result = pd.concat([df1, df4], axis=1, join='inner')

ジョン='inner'はindexと同じものだけを選んで展示します。
もし合併後、元のフレームのindexに関するデータだけを保存したいなら、reindexを使用できます。

In [11]: result = pd.concat([df1, df4], axis=1).reindex(df1.index)
またはこのようにします

In [12]: pd.concat([df1, df4.reindex(df1.index)], axis=1)
Out[12]: 
    A   B   C   D    B    D    F
0  A0  B0  C0  D0  NaN  NaN  NaN
1  A1  B1  C1  D1  NaN  NaN  NaN
2  A2  B2  C2  D2   B2   D2   F2
3  A3  B3  C3  D3   B3   D3   F3
結果を見ます

DFとSeriesをマージできます。

In [18]: s1 = pd.Series(['X0', 'X1', 'X2', 'X3'], name='X')

In [19]: result = pd.concat([df1, s1], axis=1)

複数のSeriesであれば、concatを使って列名を指定できます。

In [23]: s3 = pd.Series([0, 1, 2, 3], name='foo')

In [24]: s4 = pd.Series([0, 1, 2, 3])

In [25]: s5 = pd.Series([0, 1, 4, 5])

In [27]: pd.concat([s3, s4, s5], axis=1, keys=['red', 'blue', 'yellow'])
Out[27]: 
   red  blue  yellow
0    0     0       0
1    1     1       1
2    2     2       4
3    3     3       5
アプリを使う
appedはconcatの簡略化されたバージョンと見なされ、axis=0に沿ってconcatが行われる。

In [13]: result = df1.append(df2)

appedの二つのDFの列が異なると自動的にNaNを補完します。

In [14]: result = df1.append(df4, sort=False)

ギノレをセットすればindex=Trueは、元のindexを無視して、割り当てindexを書き換えることができます。

In [17]: result = df1.append(df4, ignore_index=True, sort=False)

DFアプリにSeriesを一つ:

In [35]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D'])

In [36]: result = df1.append(s2, ignore_index=True)

mergeを使う
DFと一番似ているのはデータベースの表です。
まずmergeの定義を見てください。

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
         left_index=False, right_index=False, sort=True,
         suffixes=('_x', '_y'), copy=True, indicator=False,
         validate=None)
Left、rightは合併する二つのDFまたはSeriesです。
onはジョインの列またはindex名を表しています。
lefton:左接続right_on:右接続left_index:接続後、左のindexまたはcolumnを使用することを選択する。right_index:接続後、右側のindexまたはcolumnを使用することを選択する。
how:接続の方式は、'left''right''outer''inner'innersort:並べ替えかどうか。suffixes:重複した列を処理する。copy:データをコピーするかどうか
まず簡単なmergeの例を見ます。

In [39]: left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 

In [40]: right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 

In [41]: result = pd.merge(left, right, on='key')

上の二つのDFはkeyによって接続されている。
複数のkey接続の例を見てください。

In [42]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
   ....:                      'key2': ['K0', 'K1', 'K0', 'K1'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 

In [43]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
   ....:                       'key2': ['K0', 'K0', 'K0', 'K0'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 

In [44]: result = pd.merge(left, right, on=['key1', 'key2'])

Howはmerge方式を指定できます。データベースと同じように、内部接続、外部接続などを指定できます。
統合の方法
SQLメソッド
left
LEFT OUTER JOIN
ライト
RIGHT OUTER JIN
outer
FULL OUTER JOIN
inner
INNER JOIN

In [45]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])

indicator=Trueを指定して、具体的な行の接続方法を表すことができます。

In [60]: df1 = pd.DataFrame({'col1': [0, 1], 'col_left': ['a', 'b']})

In [61]: df2 = pd.DataFrame({'col1': [1, 2, 2], 'col_right': [2, 2, 2]})

In [62]: pd.merge(df1, df2, on='col1', how='outer', indicator=True)
Out[62]: 
   col1 col_left  col_right      _merge
0     0        a        NaN   left_only
1     1        b        2.0        both
2     2      NaN        2.0  right_only
3     2      NaN        2.0  right_only
indicatorに文字列が入ったら、indicatorという列の名前を変更します。

In [63]: pd.merge(df1, df2, on='col1', how='outer', indicator='indicator_column')
Out[63]: 
   col1 col_left  col_right indicator_column
0     0        a        NaN        left_only
1     1        b        2.0             both
2     2      NaN        2.0       right_only
3     2      NaN        2.0       right_only
複数のindexを統合:

In [112]: leftindex = pd.MultiIndex.from_tuples([('K0', 'X0'), ('K0', 'X1'),
   .....:                                        ('K1', 'X2')],
   .....:                                       names=['key', 'X'])
   .....: 

In [113]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
   .....:                      'B': ['B0', 'B1', 'B2']},
   .....:                     index=leftindex)
   .....: 

In [114]: rightindex = pd.MultiIndex.from_tuples([('K0', 'Y0'), ('K1', 'Y1'),
   .....:                                         ('K2', 'Y2'), ('K2', 'Y3')],
   .....:                                        names=['key', 'Y'])
   .....: 

In [115]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
   .....:                       'D': ['D0', 'D1', 'D2', 'D3']},
   .....:                      index=rightindex)
   .....: 

In [116]: result = pd.merge(left.reset_index(), right.reset_index(),
   .....:                   on=['key'], how='inner').set_index(['key', 'X', 'Y'])

複数の列のマージをサポートします。

In [117]: left_index = pd.Index(['K0', 'K0', 'K1', 'K2'], name='key1')

In [118]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
   .....:                      'B': ['B0', 'B1', 'B2', 'B3'],
   .....:                      'key2': ['K0', 'K1', 'K0', 'K1']},
   .....:                     index=left_index)
   .....: 

In [119]: right_index = pd.Index(['K0', 'K1', 'K2', 'K2'], name='key1')

In [120]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
   .....:                       'D': ['D0', 'D1', 'D2', 'D3'],
   .....:                       'key2': ['K0', 'K0', 'K0', 'K1']},
   .....:                      index=right_index)
   .....: 

In [121]: result = left.merge(right, on=['key1', 'key2'])

ジョインを使う
ジョンは2つの異なるindexのDFを一つに統合する。mergeの略字と見られます。

In [84]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
   ....:                      'B': ['B0', 'B1', 'B2']},
   ....:                     index=['K0', 'K1', 'K2'])
   ....: 

In [85]: right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D2', 'D3']},
   ....:                      index=['K0', 'K2', 'K3'])
   ....: 

In [86]: result = left.join(right)

howを指定して接続先を指定できます。

In [87]: result = left.join(right, how='outer')

デフォルトのジョンはindexで接続されています。
列に沿って接続することもできます。

In [91]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3'],
   ....:                      'key': ['K0', 'K1', 'K0', 'K1']})
   ....: 

In [92]: right = pd.DataFrame({'C': ['C0', 'C1'],
   ....:                       'D': ['D0', 'D1']},
   ....:                      index=['K0', 'K1'])
   ....: 

In [93]: result = left.join(right, on='key')

個々のindexと複数のindexはjoinを行う:

In [100]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
   .....:                      'B': ['B0', 'B1', 'B2']},
   .....:                      index=pd.Index(['K0', 'K1', 'K2'], name='key'))
   .....: 

In [101]: index = pd.MultiIndex.from_tuples([('K0', 'Y0'), ('K1', 'Y1'),
   .....:                                   ('K2', 'Y2'), ('K2', 'Y3')],
   .....:                                    names=['key', 'Y'])
   .....: 

In [102]: right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
   .....:                       'D': ['D0', 'D1', 'D2', 'D3']},
   .....:                       index=index)
   .....: 

In [103]: result = left.join(right, how='inner')

列名が重複している場合:

In [122]: left = pd.DataFrame({'k': ['K0', 'K1', 'K2'], 'v': [1, 2, 3]})

In [123]: right = pd.DataFrame({'k': ['K0', 'K0', 'K3'], 'v': [4, 5, 6]})

In [124]: result = pd.merge(left, right, on='k')

列名を繰り返す名前のルールをカスタマイズできます。

In [125]: result = pd.merge(left, right, on='k', suffixes=('_l', '_r'))

データを上書き
DF 2のデータを使ってDF 1のデータを充填する必要がある場合があります。この場合はcompbine_を使用してもいいです。first:

In [131]: df1 = pd.DataFrame([[np.nan, 3., 5.], [-4.6, np.nan, np.nan],
   .....:                    [np.nan, 7., np.nan]])
   .....: 

In [132]: df2 = pd.DataFrame([[-42.6, np.nan, -8.2], [-5., 1.6, 4]],
   .....:                    index=[1, 2])
   .....: 

In [133]: result = df1.combine_first(df2)

ここで、PandsがDataframeの合併を実現することについての記事を紹介します。Pands Dataframeの合併内容については、以前の記事を検索したり、下記の関連記事を見たりしてください。これからもよろしくお願いします。