Pandas中使用Merge、Join 、Concat合并數據效率對比

來源：千鋒教育

發布人：qyf

時間： 2023-02-22 17:48:00 1677059280

　　在 Pandas 中有很多種方法可以進行dataframe(數據框)的合并。

　　本文將研究這些不同的方法，以及如何將它們執行速度的對比。

　　合并DF

import pandas as pd

# a dictionary to convert to a dataframe
data1 = {'identification': ['a', 'b', 'c', 'd'],
      'Customer_Name':['King', 'West', 'Adams', 'Mercy'],         'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],}

# our second dictionary to convert to a dataframe
data2 = {'identification': ['a', 'b', 'c', 'd'],
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],
      'Age':[60, 30, 40, 50]}

# Convert the dictionary into DataFrame
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

　　運行我們的代碼后，有兩個 DataFrame，如下所示。

identification Customer_Name         Category
0             a         King       furniture
1             b         West Office Supplies
2             c         Adams       Technology
3             d         Mercy     R_materials

identification           Class Age
0             a     First_Class   60
1             b   Second_Class   30
2             c       Same_day   40
3             d Standard Class   50

　　使用 merge() 函數進一步合并。

# using .merge() function
new_data = pd.merge(df1, df2, on='identification')

　　這產生了下面的新數據;

identification Customer_Name Category     Class           Age
0     a           King         furniture     First_Class     60
1     b           West         Office Supplies Second_Class   30
2     c           Adams         Technology     Same_day     40
3     d           Mercy         R_materials Standard Class   50

　　.join() 方法也可以將不同索引的 DataFrame 組合成一個新的 DataFrame。我們可以使用參數‘on’參數指定根據哪列進行合并。

　　讓我們看看下面的例子，我們如何將單索引 DataFrame 與多索引 DataFrame 連接起來;

import pandas as pd

# a dictionary to convert to a dataframe
data1 = {
      'Customer_Name':['King', 'West', 'Adams'],
    'Category':['furniture', 'Office Supplies', 'Technology'],} 7
# our second dictionary to convert to a dataframe
data2 = {
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],
    'Age':[60, 30, 40, 50]}

# Convert the dictionary into DataFrame
Ndata = pd.DataFrame(data1, index=pd.Index(['a', 'b', 'c'], name='identification'))

index = pd.MultiIndex.from_tuples([('a', 'x0'), ('b', 'x1'),
                                ('c', 'x2'), ('c', 'x3')],
                                names=['identification', 'x']) 19
# Convert the dictionary into DataFrame
Ndata2 = pd.DataFrame(data2, index= index)

print(Ndata, "\n\n", Ndata2)

# joining singly indexed with
# multi indexed
result = Ndata.join(Ndata2, how='inner')

　　我們的結果如下所示;

Customer_Name       Category     Class       Age
identification x                                                     3 a         x0       King       furniture     First_Class     60
b         x1       West     Office Supplies   Second_Class   30
c         x2       Adams       Technology       Same_day     40
        x3       Adams       Technology Standard Class     50

　　連接DF

　　Pandas 中concat() 方法在可以在垂直方向(axis=0)和水平方向(axis=1)上連接 DataFrame。我們還可以一次連接兩個以上的 DataFrame 或 Series。

　　讓我們看一個如何在 Pandas 中執行連接的示例;

import pandas as pd

# a dictionary to convert to a dataframe
data1 = {'identification': ['a', 'b', 'c', 'd'],
      'Customer_Name':['King', 'West', 'Adams', 'Mercy'],
      'Category':['furniture', 'Office Supplies', 'Technology', 'R_materials'],}

# our second dictionary to convert to a dataframe
data2 = {'identification': ['a', 'b', 'c', 'd'],
      'Class':['First_Class', 'Second_Class', 'Same_day', 'Standard Class'],
      'Age':[60, 30, 40, 50]}

# Convert the dictionary into DataFrame
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
#perform concatenation here based on horizontal axis
new_data = pd.concat([df1, df2], axis=1)
print(new_data)

　　這樣就獲得了新的 DataFrame ：

identification Customer_Name Category identification \
0 a King furniture a 3 1 b West Office Supplies b 4 2 c Adams Technology c 5 3 d Mercy R_materials d

        Class       Age
0     First_Class   60
1   Second_Class   30
2       Same_day   40
3 Standard Class   50

　　Merge和Join的效率對比

　　Pandas 中的Merge Joins操作都可以針對指定的列進行合并操作(SQL中的join)那么他們的執行效率是否相同呢?下面我們來進行一下測。

　　兩個 DataFrame 都有相同數量的行和兩列，實驗中考慮了從 100 萬行到 1000 萬行的不同大小的 DataFrame，并在每次實驗中將行數增加了 100 萬。我對固定數量的行重復了十次實驗，以消除任何隨機性。下面是這十次試驗中合并操作的平均運行時間。