Pandas中DataFrame数据合并连接（concatmergejoin）之merge

Posted 2021-02-08 wqbin

二、merge：通过键拼接列

类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。

该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

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)

 

   参数介绍：

     left和right：两个不同的DataFrame；

     how：连接方式，有inner、left、right、outer，默认为inner；

     on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；

     left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有用；

     right_on：右侧DataFrame中用于连接键的列名；

     left_index：使用左侧DataFrame中的行索引作为连接键；

     right_index：使用右侧DataFrame中的行索引作为连接键；

     sort：默认为True，将合并的数据进行排序，设置为False可以提高性能；

     suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为(‘_x‘, ‘_y‘)；

     copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能；

     indicator：显示合并数据中数据的来源情况

 

 案例1

import  pandas as pd
import numpy  as np
random = np.random.RandomState(0)  #随机数种子，相同种子下每次运行生成的随机数相同
df1=pd.DataFrame(random.randn(3,4),columns=[‘a‘,‘b‘,‘c‘,‘d‘])
df1

random = np.random.RandomState(0)
df2=pd.DataFrame(random.randn(2,3),columns=[‘b‘,‘d‘,‘a‘],index=["a1","a2"])
df2

 

pd.merge(df1,df2)

pd.merge(df1,df2,how="outer")

案例2 默认按相同的列名键join

df3=pd.DataFrame({‘key‘:[‘a‘,‘b‘,‘b‘],‘data1‘:range(3)})
df3

df4=pd.DataFrame({‘key‘:[‘a‘,‘b‘,‘c‘],‘data2‘:range(3)})
df4

 

pd.merge(df3,df4)

 

 

 案例三

df1 = pd.DataFrame({‘lkey‘: [‘foo‘, ‘bar‘, ‘baz‘, ‘foo‘],
                   ‘value‘: [1, 2, 3, 5]})
df1

df2 = pd.DataFrame({‘rkey‘: [‘foo‘, ‘bar‘, ‘baz‘, ‘foo‘],
                    ‘value‘: [5, 6, 7, 8]})
df2

df1.merge(df2)

Merge df1 and df2 on the lkey and rkey columns. The value columns have the default suffixes, _x and _y, 

df1.merge(df2,left_on="lkey",right_on="rkey")

 

>>> df1.merge(df2, left_on=‘lkey‘, right_on=‘rkey‘, suffixes=(False, False))
Traceback (most recent call last):
...
ValueError: columns overlap but no suffix specified:
    Index([‘value‘], dtype=‘object‘)