In [1]: import pandas as pd本教程使用的数据
空气质量：二氧化氮数据
本教程使用OpenAQ提供、通过py-openaq包下载的二氧化氮（NO₂）空气质量数据。
air_quality_no2_long.csv数据集包含巴黎、安特卫普和伦敦三个测量站FR04014、BETR801、London Westminster的NO₂值。查看原始数据。
In [2]: air_quality_no2 = pd.read_csv("data/air_quality_no2_long.csv",
...: parse_dates=True)
...:
In [3]: air_quality_no2 = air_quality_no2[["date.utc", "location",
...: "parameter", "value"]]
...:
In [4]: air_quality_no2.head()
Out[4]:
date.utc location parameter value
0 2019-06-21 00:00:00+00:00 FR04014 no2 20.0
1 2019-06-20 23:00:00+00:00 FR04014 no2 21.8
2 2019-06-20 22:00:00+00:00 FR04014 no2 26.5
3 2019-06-20 21:00:00+00:00 FR04014 no2 24.9
4 2019-06-20 20:00:00+00:00 FR04014 no2 21.4空气质量：颗粒物数据
本教程还使用OpenAQ提供、通过py-openaq包下载的粒径小于2.5微米的颗粒物空气质量数据。
air_quality_pm25_long.csv数据集包含巴黎、安特卫普和伦敦三个测量站FR04014、BETR801、London Westminster的PM₂.₅值。查看原始数据。
In [5]: air_quality_pm25 = pd.read_csv("data/air_quality_pm25_long.csv",
...: parse_dates=True)
...:
In [6]: air_quality_pm25 = air_quality_pm25[["date.utc", "location",
...: "parameter", "value"]]
...:
In [7]: air_quality_pm25.head()
Out[7]:
date.utc location parameter value
0 2019-06-18 06:00:00+00:00 BETR801 pm25 18.0
1 2019-06-17 08:00:00+00:00 BETR801 pm25 6.5
2 2019-06-17 07:00:00+00:00 BETR801 pm25 18.5
3 2019-06-17 06:00:00+00:00 BETR801 pm25 16.0
4 2019-06-17 05:00:00+00:00 BETR801 pm25 7.5拼接对象
我希望将NO₂与PM₂.₅测量数据这两个结构相似的表，合并到一个表中。
In [8]: air_quality = pd.concat([air_quality_pm25, air_quality_no2], axis=0)
In [9]: air_quality.head()
Out[9]:
date.utc location parameter value
0 2019-06-18 06:00:00+00:00 BETR801 pm25 18.0
1 2019-06-17 08:00:00+00:00 BETR801 pm25 6.5
2 2019-06-17 07:00:00+00:00 BETR801 pm25 18.5
3 2019-06-17 06:00:00+00:00 BETR801 pm25 16.0
4 2019-06-17 05:00:00+00:00 BETR801 pm25 7.5concat()函数沿某个轴拼接多个表，既可按行，也可按列。
默认沿axis=0拼接，因此结果表合并了各输入表的行。检查原表与拼接后表的形状，验证这一操作：
In [10]: print('Shape of the ``air_quality_pm25`` table: ', air_quality_pm25.shape)
Shape of the ``air_quality_pm25`` table: (1110, 4)
In [11]: print('Shape of the ``air_quality_no2`` table: ', air_quality_no2.shape)
Shape of the ``air_quality_no2`` table: (2068, 4)
In [12]: print('Shape of the resulting ``air_quality`` table: ', air_quality.shape)
Shape of the resulting ``air_quality`` table: (3178, 4)因此，结果表有3178行，即1110 + 2068。
按日期时间排序，也能展示两个表已经合并。parameter列标识来源：no2来自air_quality_no2，pm25来自air_quality_pm25。
In [13]: air_quality = air_quality.sort_values("date.utc")
In [14]: air_quality.head()
Out[14]:
date.utc location parameter value
100 2019-05-07 01:00:00+00:00 BETR801 pm25 12.5
1109 2019-05-07 01:00:00+00:00 London Westminster pm25 8.0
1003 2019-05-07 01:00:00+00:00 FR04014 no2 25.0
1098 2019-05-07 01:00:00+00:00 BETR801 no2 50.5
2067 2019-05-07 01:00:00+00:00 London Westminster no2 23.0这个特定示例中的parameter列能识别每个原表，但并非总有这样的列。concat通过keys参数提供方便的解决方案：增加一层行索引。例如：
In [15]: air_quality_ = pd.concat([air_quality_pm25, air_quality_no2], keys=["PM25", "NO2"])
In [16]: air_quality_.head()
Out[16]:
date.utc location parameter value
PM25 0 2019-06-18 06:00:00+00:00 BETR801 pm25 18.0
1 2019-06-17 08:00:00+00:00 BETR801 pm25 6.5
2 2019-06-17 07:00:00+00:00 BETR801 pm25 18.5
3 2019-06-17 06:00:00+00:00 BETR801 pm25 16.0
4 2019-06-17 05:00:00+00:00 BETR801 pm25 7.5关于多重索引，见用户指南中的高级索引部分。
关于按行与按列拼接的更多选项，以及如何用concat指定其他轴上索引的并集或交集逻辑，见对象拼接部分。
通过共同标识符连接表
将测量站元数据表提供的站点坐标，加到测量表的对应行中。
In [17]: stations_coord = pd.read_csv("data/air_quality_stations.csv")
In [18]: stations_coord.head()
Out[18]:
location coordinates.latitude coordinates.longitude
0 BELAL01 51.23619 4.38522
1 BELHB23 51.17030 4.34100
2 BELLD01 51.10998 5.00486
3 BELLD02 51.12038 5.02155
4 BELR833 51.32766 4.36226In [19]: air_quality.head()
Out[19]:
date.utc location parameter value
100 2019-05-07 01:00:00+00:00 BETR801 pm25 12.5
1109 2019-05-07 01:00:00+00:00 London Westminster pm25 8.0
1003 2019-05-07 01:00:00+00:00 FR04014 no2 25.0
1098 2019-05-07 01:00:00+00:00 BETR801 no2 50.5
2067 2019-05-07 01:00:00+00:00 London Westminster no2 23.0
In [20]: air_quality = pd.merge(air_quality, stations_coord, how="left", on="location")
In [21]: air_quality.head()
Out[21]:
date.utc ... coordinates.longitude
0 2019-05-07 01:00:00+00:00 ... 4.43182
1 2019-05-07 01:00:00+00:00 ... -0.13193
2 2019-05-07 01:00:00+00:00 ... 2.39390
3 2019-05-07 01:00:00+00:00 ... 2.39390
4 2019-05-07 01:00:00+00:00 ... 4.43182
[5 rows x 6 columns]使用merge()函数，可以为air_quality中的每一行，从站点坐标表加入相应坐标。两个表都有location列，作为合并信息的键。选择left连接后，只有左表air_quality中的位置，即FR04014、BETR801与London Westminster，才会出现在结果表中。
merge函数支持多种连接选项，类似数据库风格的操作。
接下来，把参数元数据表提供的参数完整描述与名称，加入测量表。
In [22]: air_quality_parameters = pd.read_csv("data/air_quality_parameters.csv")
In [23]: air_quality_parameters.head()
Out[23]:
id description name
0 bc Black Carbon BC
1 co Carbon Monoxide CO
2 no2 Nitrogen Dioxide NO2
3 o3 Ozone O3
4 pm10 Particulate matter less than 10 micrometers in... PM10
In [24]: air_quality = pd.merge(air_quality, air_quality_parameters,
....: how='left', left_on='parameter', right_on='id')
....:
In [25]: air_quality.head()
Out[25]:
date.utc ... name
0 2019-05-07 01:00:00+00:00 ... PM2.5
1 2019-05-07 01:00:00+00:00 ... PM2.5
2 2019-05-07 01:00:00+00:00 ... NO2
3 2019-05-07 01:00:00+00:00 ... NO2
4 2019-05-07 01:00:00+00:00 ... NO2
[5 rows x 9 columns]与前一个示例相比，这里没有同名列。不过，air_quality表的parameter列与air_quality_parameters表的id列都以相同格式表示被测变量，因此使用left_on和right_on参数，而不是单独的on，来建立两表之间的关联。
pandas也支持内连接、外连接与右连接。有关表的连接与合并，见用户指南中的数据库风格表合并，或与SQL比较页面。
记住
- 多个表可以使用
concat按列或按行拼接。 - 数据库式表合并/连接使用
merge。
用户指南提供了各种合并数据表功能的完整说明。
原文：How to combine data from multiple tables，pandas 3.0.6文档。© 2026 pandas / NumFOCUS, Inc. 按转载授权汉化。数据来源OpenAQ；示例保留原文IPython输入提示与输出，未在本环境运行。源项目许可请参阅pandas LICENSE。
暂无评论内容