dask.dataframe.DataFrame.join

dask.dataframe.DataFrame.join

DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', npartitions=None, shuffle_method=None)[源代码]

连接另一个DataFrame的列。

此文档字符串是从 pandas.core.frame.DataFrame.join 复制而来的。

Dask 版本可能存在一些不一致性。

将列与 other DataFrame 的索引或键列连接。通过传递列表，可以高效地通过索引一次连接多个 DataFrame 对象。

参数
其他DataFrame、Series 或包含它们任意组合的列表

索引应与此表中的某一列相似。如果传递的是一个 Series，则其 name 属性必须设置，并且该属性将用作结果合并 DataFrame 中的列名。

开str, 字符串列表, 或类似数组的对象, 可选

调用者中的列或索引级别名称，用于与`other`中的索引进行连接，否则进行索引对索引的连接。如果给出多个值，other DataFrame 必须具有 MultiIndex。如果连接键尚未包含在调用 DataFrame 中，可以传递一个数组作为连接键。类似于 Excel 的 VLOOKUP 操作。

如何{‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}, 默认 ‘left’

如何处理两个对象的操作。

  • left: 使用调用帧的索引（或在指定时使用列）

  • right: 使用 other 的索引。

  • outer: 将调用帧的索引（如果指定了on，则为列）与`other`的索引合并，并按字典顺序排序。

  • inner: 将调用帧的索引（或指定列）与 other 的索引进行交集，保留调用帧的顺序。

  • cross: 从两个数据框创建笛卡尔积，保留左侧键的顺序。

lsuffixstr, 默认 ‘’

用于左侧框架重叠列的后缀。

rsuffixstr, 默认 ‘’

用于右侧框架重叠列的后缀。

排序bool, 默认 False (Dask 中不支持)

按连接键的字典顺序对结果 DataFrame 进行排序。如果为 False，则连接键的顺序取决于连接类型（how 关键字）。

验证str, 可选 (Dask 中不支持)

如果指定，检查连接是否为指定类型。

  • “one_to_one” 或 “1:1”: 检查连接键在左右数据集中是否唯一。

  • “one_to_many” 或 “1:m”: 检查左数据集中的连接键是否唯一。

  • “many_to_one” 或 “m:1”：检查右数据集中的连接键是否唯一。

  • “many_to_many” 或 “m:m”：允许，但不会导致检查。

1.5.0 新版功能.

返回
DataFrame

包含调用者和 other 中所有列的数据框。

参见

DataFrame.merge

对于列对列的操作。

注释

传递 DataFrame 对象列表时，不支持 on、lsuffix 和 rsuffix 参数。

示例

>>> df = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],  
...                    'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})

>>> df  
  key   A
0  K0  A0
1  K1  A1
2  K2  A2
3  K3  A3
4  K4  A4
5  K5  A5

>>> other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],  
...                       'B': ['B0', 'B1', 'B2']})

>>> other  
  key   B
0  K0  B0
1  K1  B1
2  K2  B2

使用索引连接DataFrame。

>>> 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

如果我们想使用键列进行连接，我们需要将键设置为 df 和 other 中的索引。连接后的 DataFrame 将以键作为其索引。

>>> 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

另一种使用键列进行连接的方法是使用 on 参数。DataFrame.join 总是使用 other 的索引，但我们可以在 df 中使用任何列。这种方法在结果中保留原始 DataFrame 的索引。

>>> 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

使用非唯一键值显示它们如何匹配。

>>> df = pd.DataFrame({'key': ['K0', 'K1', 'K1', 'K3', 'K0', 'K1'],  
...                    'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})

>>> df  
  key   A
0  K0  A0
1  K1  A1
2  K1  A2
3  K3  A3
4  K0  A4
5  K1  A5

>>> df.join(other.set_index('key'), on='key', validate='m:1')  
  key   A    B
0  K0  A0   B0
1  K1  A1   B1
2  K1  A2   B1
3  K3  A3  NaN
4  K0  A4   B0
5  K1  A5   B1

上一页

dask.dataframe.DataFrame.itertuples

下一页

dask.dataframe.DataFrame.known_divisions