DataFrame 수직 결합
pandas로 데이터 조인하기
Aaren Stubberfield
Instructor
테이블 두 개를 수직으로 결합하기
- pandas
.concat()메소드는 수직과 수평 모두 결합할 수 있습니다.axis=0, 수직
기본 결합
- 3개의 서로 다른 테이블
- 동일한 열 이름
- 테이블 변수 이름:
inv_jan(상단)inv_feb(중간)inv_mar(하단)
iid cid invoice_date total
0 1 2 2009-01-01 1.98
1 2 4 2009-01-02 3.96
2 3 8 2009-01-03 5.94
iid cid invoice_date total
0 7 38 2009-02-01 1.98
1 8 40 2009-02-01 1.98
2 9 42 2009-02-02 3.96
iid cid invoice_date total
0 14 17 2009-03-04 1.98
1 15 19 2009-03-04 1.98
2 16 21 2009-03-05 3.96
기본 결합
pd.concat([inv_jan, inv_feb, inv_mar])
iid cid invoice_date total
0 1 2 2009-01-01 1.98
1 2 4 2009-01-02 3.96
2 3 8 2009-01-03 5.94
0 7 38 2009-02-01 1.98
1 8 40 2009-02-01 1.98
2 9 42 2009-02-02 3.96
0 14 17 2009-03-04 1.98
1 15 19 2009-03-04 1.98
2 16 21 2009-03-05 3.96
인덱스 무시하기
pd.concat([inv_jan, inv_feb, inv_mar],
ignore_index=True)
iid cid invoice_date total
0 1 2 2009-01-01 1.98
1 2 4 2009-01-02 3.96
2 3 8 2009-01-03 5.94
3 7 38 2009-02-01 1.98
4 8 40 2009-02-01 1.98
5 9 42 2009-02-02 3.96
6 14 17 2009-03-04 1.98
7 15 19 2009-03-04 1.98
8 16 21 2009-03-05 3.96
레이블을 원본 테이블로 설정하기
pd.concat([inv_jan, inv_feb, inv_mar],
ignore_index=False,
keys=['jan','feb','mar'])
iid cid invoice_date total
jan 0 1 2 2009-01-01 1.98
1 2 4 2009-01-02 3.96
2 3 8 2009-01-03 5.94
feb 0 7 38 2009-02-01 1.98
1 8 40 2009-02-01 1.98
2 9 42 2009-02-02 3.96
mar 0 14 17 2009-03-04 1.98
1 15 19 2009-03-04 1.98
2 16 21 2009-03-05 3.96
열 이름이 다른 테이블 결합하기
테이블 inv_jan
iid cid invoice_date total
0 1 2 2009-01-01 1.98
1 2 4 2009-01-02 3.96
2 3 8 2009-01-03 5.94
테이블: inv_feb
iid cid invoice_date total bill_ctry
0 7 38 2009-02-01 1.98 Germany
1 8 40 2009-02-01 1.98 France
2 9 42 2009-02-02 3.96 France
열 이름이 다른 테이블 결합하기
pd.concat([inv_jan, inv_feb],
sort=True)
bill_ctry cid iid invoice_date total
0 NaN 2 1 2009-01-01 1.98
1 NaN 4 2 2009-01-02 3.96
2 NaN 8 3 2009-01-03 5.94
0 Germany 38 7 2009-02-01 1.98
1 France 40 8 2009-02-01 1.98
2 France 42 9 2009-02-02 3.96
열 이름이 다른 테이블 결합하기
pd.concat([inv_jan, inv_feb],
join='inner')
iid cid invoice_date total
1 2 2009-01-01 1.98
2 4 2009-01-02 3.96
3 8 2009-01-03 5.94
7 38 2009-02-01 1.98
8 40 2009-02-01 1.98
9 42 2009-02-02 3.96
연습해 봅시다!
pandas로 데이터 조인하기
