Pandas的Merge实现

Posted 2023-05-01

参考技术A Pandas的Merge，相当于Sql的Join，将不同的表按key关联到一个表

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None)

文档地址： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html

以下关系要正确理解：

pandas-16 pd.merge()的用法

pandas-16 pd.merge()的用法

使用过sql语言的话，一定对join，left join， right join等非常熟悉，在pandas中，merge的作用也非常类似。
如：pd.merge(df1, df2) 找到一个外键，然后将两条数据合并成一条。
直接上例子：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

df1 = DataFrame('key':['X', 'Y', 'Z'], 'data_set_1':[1, 2, 3])
print(df1)
'''
   data_set_1 key
0           1   X
1           2   Y
2           3   Z
'''

df2 = DataFrame('key':['X', 'B', 'C'], 'data_set_2':[4, 5, 6])
print(df2)
'''
   data_set_2 key
0           4   A
1           5   B
2           6   C
'''

# 感觉这个就像 操作 sql 的感觉一样
# 找到一个外键 然后将两条数据拿到手
print(pd.merge(df1, df2))
'''
   data_set_1 key  data_set_2
0           1   X           4
'''

# 第二个参数 on 代表 要在 哪一个 列上 进行 merge
# print(pd.merge(df1, df2, on='data_set_1')) # 报错

# inner 拿出的是两边都有的值
print(pd.merge(df1, df2, on='key', how='inner'))
'''
   data_set_1 key  data_set_2
0           1   X           4
'''

# left 按照left的dataframe为基准，右边值为空的话就默认nan
print(pd.merge(df1, df2, on='key', how='left'))
'''
   data_set_1 key  data_set_2
0           1   X         4.0
1           2   Y         NaN
2           3   Z         NaN
'''
# 同理 right 按照右边为基准
print(pd.merge(df1, df2, on='key', how='right'))
'''
   data_set_1 key  data_set_2
0         1.0   X           4
1         NaN   B           5
2         NaN   C           6
'''

# outer 将 left right 的结合， 所有的key都拿出来，哪边缺失，就补充nan
print(pd.merge(df1, df2, on='key', how='outer'))
'''
   data_set_1 key  data_set_2
0         1.0   X         4.0
1         2.0   Y         NaN
2         3.0   Z         NaN
3         NaN   B         5.0
4         NaN   C         6.0

'''