[Pandas] 데이터프레임 연결 (concat, merge, join)

데이터 프레임 연결

• 데이터프레임의 구성 형태와 속성이 같다면 행/열 중 어느 한 방향으로 이어붙여서 데이터의 일관성 유지
• 데이터프레임의 형태를 유지하면서 이어 붙이는 개념

 

concat

---

▶ DataFrame 

#데이터 확인
df1

df2

# 데이터 프레임 행방향 연결
pd.concat([df1, df2], axis=0, ignore_index=False)  
#ignore_index=False 가 default (인덱스를 적용시켜 결합)

 pd.concat([df1, df2], axis=0, ignore_index=True)  
 #ignore_index=True : 인덱스를 무시하고 결합(axis = 0 => 열 인덱스는 적용, 행 인덱스는 적용 안함)

# 데이터 프레임 열방향 연결
pd.concat([df1, df2], axis=1)

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

pd.concat([df1, df2], axis=1, join='inner', ignore_index=True) 
 #ignore_index=True : 인덱스를 무시하고 결합(axis = 1 => 행 인덱스는 적용, 열 인덱스는 적용 안함)

 

▶ Series

 

# 시리즈 확인
sr1

sr2

sr3

# 데이터프레임 + 시리즈
pd.concat([df1, sr1], axis=1)

pd.concat([df2, sr2], axis=1)

# 시리즈 + 시리즈
pd.concat([sr1, sr3], axis=1)  #시리즈와 시리즈를 열방향으로 연결 => 데이터프레임

pd.concat([sr1, sr3], axis=0) #시리즈와 시리즈를 행방향으로 연결 => 시리즈

 

merge

---

• concat()은 데이터프레임을 이어 붙이듯 연결
• merge()함수는 SQL 의 join 명령과 비슷한 방식
  • 어떤 기준에 의해 두 데이터프레임을 병합하는 개념
  • 기준이 되는 열이나 인덱스를 키(key)라고 하고, 키가 양쪽 데이터프레임에 모두 존재해야 함

# 데이터프레임 확인
df1.head(3)

df2.head(3)

# df1과 df2를 병합(교집합)
pd.merge(df1, df2)  # defalut: inner join(교집합), on='id'

# df1과 df2를 'id'열을 기준으로 병합(합집합)
pd.merge(df1, df2, how='outer', on='id')  #합집합

 

# df1을 기준으로 df1의 'stock_name'열과 df2의 'name'열을 병합
pd.merge(df1, df2, how='left', left_on = 'stock_name', right_on = 'name')

# df2을 기준으로 df1의 'stock_name'열과 df2의 'name'열을 병합
pd.merge(df1, df2, how='right', left_on = 'stock_name', right_on = 'name')

#df1에서 5000원 미만인 항목과 df2 병합
pd.merge(df1[df1.price < 5000], df2)

 

join

---

• df1.join(df2, how='')
• merge를 기반으로 작동방식이 유사
• 다만 join은 행 인덱스 기준 결합

# 공통 index를 사전에 설정해야함
df1.set_index('id', inplace=True)
df2.set_index('id', inplace=True)

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