笔记
目录
一、merge()
函数语法:
pd.merge(left, right, how="inner, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True)
参数解释:
left - 数据顿对象。
right - 另一个数据顿对象
on - 要连接的列(名称)。必须在左侧和右侧数据框对象中找到
left on - 左数据框中用作键的列。可以是列名,也可以是长度等于数据长度的数组。
right on - 右数据框中用作键的列。可以是列名,也可以是长度等于数据长度的数组left index- 如果为True则使用左侧数据中的索引(行标签)作为其连接对于具有多索引(分层)的数据,级别数必须与右数据的连接键数匹配。
right index - 与右数据顿的左索引用法相同。
how -“left"、"right"、"inner"中的一个。默认为"inner"
sort - 按连接键按字典顺序对结果数据帧进行排序,默认为True。设置False将在许多情况下显著提高性能
(1)使用一个键合并两个数据
关键技术:使用'id键合并两个数据帧,并使用merge0对其执行合并操作
(2)使用多个键合并两个数据
关键技术:使用'id’键及subiect id'键合并两个数据帧,并使用merge(对其执行合并操作。
import pandas as pd
left = pd.DataFrame({
'id':[1,2,3,4,5],
'Name': ['Alex','Amy','Allen','Alice','Ayoung'],
'subject_id':['subl','sub2','sub4','sub6','sub5']})
right = pd. DataFrame ({
'id':[1,2,3,4,5],
'Name': ['Billy','Brian','Bran','Bryce', 'Betty'],
'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print(left)
print()
print(right)
#(1)根据id进行拼接
a&