pandas - dataframe 합치기

설명해주신 내용은 적절히 잘 정리되어 있습니다! 제가 조금 더 구조적으로 보강해드릴게요:

---

concat()과 merge()의 요약

• concat(): 데이터를 위아래로 쌓거나 옆으로 붙여 **"하나의 데이터프레임"**으로 결합합니다.
• merge(): 기준이 되는 공통 열을 기반으로 SQL JOIN처럼 병합합니다.

---

1. concat()의 특징과 사용법

• 기능:
  • 두 개 이상의 데이터프레임을 단순히 연결하여 하나의 데이터프레임으로 만듭니다.
  • axis를 지정해 행 또는 열 단위로 결합할 수 있습니다.
• 사용법

pd.concat([df1, df2], axis=0)  # 행 방향(위아래)으로 연결
pd.concat([df1, df2], axis=1)  # 열 방향(옆으로)으로 연결

 

axis 이해:

• axis=0: 행 방향 (기본값, 데이터를 위아래로 쌓음)
• axis=1: 열 방향 (데이터를 옆으로 붙임)

import pandas as pd

df1 = pd.DataFrame({'id': [1, 2], 'name': ['Alice', 'Bob']})
df2 = pd.DataFrame({'id': [3, 4], 'name': ['Charlie', 'David']})

# 행 방향으로 연결 (위아래)
result = pd.concat([df1, df2], axis=0)
print(result)

 

   id     name
0   1    Alice
1   2      Bob
0   3  Charlie
1   4    David

 

---

 

2. merge()의 특징과 사용법

• 기능:
  • 두 데이터프레임을 기준 열을 기반으로 병합합니다.
  • SQL JOIN (INNER, LEFT, RIGHT, OUTER)을 지원합니다.
• 사용법:

pd.merge(df1, df2, on='id', how='inner')  # INNER JOIN
pd.merge(df1, df2, on='id', how='left')   # LEFT JOIN

 

df1 = pd.DataFrame({'id': [1, 2], 'name': ['Alice', 'Bob']})
df2 = pd.DataFrame({'id': [2, 3], 'score': [85, 90]})

# INNER JOIN
result = pd.merge(df1, df2, on='id', how='inner')
print(result)

 

   id name  score
0   2  Bob     85

 

기능	concat()	merge()
역할	데이터를 단순히 이어 붙이기	공통 열을 기준으로 데이터를 병합
SQL 개념	UNION (ALL 포함)	JOIN (INNER, LEFT, RIGHT, OUTER)
결합 방향	행(axis=0), 열(axis=1) 모두 가능	항상 행 방향으로 데이터 병합
기준 열	기준 열 없음	공통 열 또는 인덱스를 기준으로 병합
중복 제거	중복 데이터 그대로 유지	JOIN 방식에 따라 결과가 달라짐