판다스 pandas concat merge join 정리

DataFrame 붙이는 방법들

1. pd.concat
   • pandas.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
     • obj : df/series, 데이터프레임 또는 시리즈
     • axis : int, 0 - 인덱스, 1 - 컬럼
     • join : str, inner 또는 outer
     • ignore_index : Bool, 인덱스 새로 부여
     • keys : list, multiindex 만드는 경우, integer index말고 keys에 지정해줄 수 있음
     • names : list, multiindex의 각 인덱스 이름
     • columns : list, column 이름 설정
     • sort : bool, column명 sort되어 표시(기본값 False)
     • verify_integrity : bool, 인덱스 중복 여부 체크(True 설정 시, 성능 저하)

   s1 = pd.Series(['a','b'])
   s2 = pd.Series(['c','d'])
   pd.concat([s1, s2])
   ================================
   0    a
   1    b
   0    c
   1    d
   dtype: object
   

   ✔ 합칠때 []로 묶어줘야 에러 안남.

   ---

2. pd.join
   • DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', sort=False)
     • other : df/series, 데이터 프레임 또는 시리즈
     • on : str, list of str, 인덱스 명
     • how : str, left, right, outer 또는 inner
     • lsuffix : str, 왼쪽 데이터프레임 컬럼 이름 표현
     • rsuffix : str, 오른쪽 데이터프레임 컬럼 이름 표현
     • sort : bool, key 지정한 값 정렬해서 반환할 것인지

   df = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],
                      'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
   
   other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],
                         'B': ['B0', 'B1', 'B2']})
   
   df.join(other, lsuffix='_caller', rsuffix='_other')
   ====================================================================
   key_caller	A	key_other	B
   0	K0	A0	K0	B0
   1	K1	A1	K1	B1
   2	K2	A2	K2	B2
   3	K3	A3	NaN	NaN
   4	K4	A4	NaN	NaN
   5	K5	A5	NaN	NaN
   
   df.set_index('key').join(other.set_index('key'))
   =====================================================
        A	B
   key		
   K0	A0	B0
   K1	A1	B1
   K2	A2	B2
   K3	A3	NaN
   K4	A4	NaN
   K5	A5	NaN
   
   df.join(other.set_index('key'), on='key')
   ==============================================
     key   A    B
   0  K0  A0   B0
   1  K1  A1   B1
   2  K2  A2   B2
   3  K3  A3  NaN
   4  K4  A4  NaN
   5  K5  A5  NaN
   

   ---

3. pd.merge
   • DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes= ('_x', '_y'), copy=True, indicator=False, validate=None)
   • pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)
     • right : df/series, 데이터프레임 또는 시리즈
     • how : left, right, outher, inner 또는 cross
     • on : label, list, 조인 기준이 되는 컬럼 또는 인덱스 이름
     • right_on : label, list, 조인할 오른쪽 데이터프레임의 조인 기준 컬럼 또는 인덱스
     • left_index : bool, 왼쪽 데이터프레임 인덱스 사용
     • right_index : bool, 오른쪽 데이터프레임 인덱스사용
     • suffixes : tuple, 왼쪽, 오른쪽 데이터프레임 컬럼 표시

     df1 = pd.DataFrame({'lkey': ['foo', 'bar', 'baz', 'foo'],
                         'value': [1, 2, 3, 5]})
     df2 = pd.DataFrame({'rkey': ['foo', 'bar', 'baz', 'foo'],
                         'value': [5, 6, 7, 8]})
     
     df1.merge(df2, left_on='lkey', right_on='rkey',
               suffixes=('_left', '_right'))
     =================================================================
     	lkey  value_left rkey  value_right
     0  foo           1  foo            5
     1  foo           1  foo            8
     2  foo           5  foo            5
     3  foo           5  foo            8
     4  bar           2  bar            6
     5  baz           3  baz            7