[Pandas / 기초] 판다스 데이터병합 - concat, merge

📍 데이터병합

✅ concat()

: pd.concat([df1, df2], axis, join, ignore_index=True/False)

• axis : 0(default값) 행방향 / 1 열방향 결합
• join : 'inner' / 'outer'(default값)
• ignore_index=True : index 초기화

 

In [1]:

import pandas as pd
import numpy as np

df1=pd.DataFrame(
                np.arange(6).reshape(3,2),
                index=['a','b','c'],
                columns=['데이터1','데이터2']
                )
df1

Out[1]:

 

In [2]:

df2=pd.DataFrame(
                5+np.arange(4).reshape(2,2),
                index=['a','c'],
                columns=['데이터2','데이터4']
                )
df2

 

Out[2]:

 

In [3]:

pd.concat([df1, df2], axis=1)

 

Out[3]:

 

In [4]:

pd.concat([df1, df2], axis=0)

 

Out[4]:

 

In [5]:

pd.concat([df1,df2], axis=1, join='inner')

 

Out[5]:

 

In [6]:

pd.concat([df1,df2], axis=0, join='inner')

 

Out[6]:

 

In [7]:

test = pd.concat([df1,df2], axis=1, join='inner', keys=['x','y'])
test

 

Out[7]:

 

In [8]:

test.x.데이터1

 

Out[8]:

a    0
c    4
Name: 데이터1, dtype: int64

 

✅ merge()

: 공통된 key값(column)을 가지고 있을 시 병합 가능

  pd.merge(df1, df2, how)

• how : left, right, outer, inner(default값)

 

In [9]:

df1 = pd.DataFrame({
    '고객명': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '성별': ['여자', '남자', '남자', '여자', '남자']})
df1

 

Out[9]:

 

In [10]:

df2 = pd.DataFrame({
    '고객명': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '연봉': ['2000원', '3000원', '1500원', '2500원', '3500원']})
df2

 

Out[10]:

 

In [11]:

# how='inner'(defalut) : df1, df2 중복된 요소만 병합
pd.merge(df1, df2)

 

Out[11]:

 

In [12]:

# how='left' : df1(left) 기준으로 병합
pd.merge(df1, df2, how='left')

 

Out[12]:

 

In [13]:

# how='right' : df2(right) 기준으로 병합
pd.merge(df1, df2, how='right')

 

Out[13]:

 

In [14]:

# how='outer' : df1, df2의 모든 데이터 병합
pd.merge(df1, df2, how='outer')

 

Out[14]:

 

: 병합하려는 column의 이름이 다른 경우

  pd.merge(df1, df2, left_on='df1_column', right_on='df2_column')

 

In [15]:

df1 = pd.DataFrame({
    '이름': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '성별': ['여자', '남자', '남자', '여자', '남자']})
df1

 

Out[15]:

 

In [16]:

df2 = pd.DataFrame({
    '고객명': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '연봉': ['2000원', '3000원', '1500원', '2500원', '3500원']})
df2

 

Out[16]:

 

In [17]:

pd.merge(df1, df2, left_on='이름', right_on='고객명')

 

Out[17]:

 

: 이름이 같은 column이 여러개 있는 경우

  이름이 같아도 키가 되면 안되는 열이 있을 때 on 인수로 기준열을 명시

  pd.merge(df1, df2, on='column')

 

In [18]:

df1 = pd.DataFrame({
    '이름': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '데이터': ['여자', '남자', '남자', '여자', '남자']})
df1

 

Out[18]:

 

In [19]:

df2 = pd.DataFrame({
    '이름': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '데이터': ['2000원', '3000원', '1500원', '2500원', '3500원']})
df2

 

Out[19]:

 

In [20]:

# 데이터 column은 값의 의미가 다름(키로 사용되면 안됨)
# 기준열을 on을 통해 직접 지정(반환 결과에 동일 필드명이 있을 경우 column_x, column_y로 변경해서 표현
pd.merge(df1,df2, on='이름')

 

Out[20]:

 

: index를 기준으로 병합

  pd.merge(df1, df2, left_index=True/False, right_index=True/False)

In [21]:

df1 = pd.DataFrame([[1.,2.],[3.,4.],[5.,6.]],
                    index=['봄','여름','겨울'],
                    columns=['서울','부산'])
df1

 

Out[21]:

 

In [22]:

df2 = pd.DataFrame([[7.,8.],[9.,10.],[11.,12.],[13.,14.]],
                    index=['초여름','여름','가을','겨울'],
                    columns=['대구','광주'])
df2

 

Out[22]:

 

In [23]:

# 기준이 모두 index로 처리되어 있는 경우 index는 기존 index를 사용
pd.merge(df1, df2, left_index=True, right_index=True, how='outer')

 

Out[23]:

 

 

✅ join()

: df1.join(df2, how)

• how : left, right, outer, inner(default값)

In [24]:

df1.join(df2, how='outer')

 

Out[24]: