（19）pandas合并

内容：

·基础概念

·一对一合并

·多对一合并

·多对多合并

·当字段存在多个相同项时

·当字段不存在匹配项时

·删除列/行drop()

·how参数

【基础概念】

在内容上存在对应关系

(1)找到相同的key字段

(2)进行该列元素的匹配

(3)合并

函数：merge()只能用于两个表的左右拼接

在进行操作之前，需要导入五个表格：

table_1 = pd.read_excel("C:/Users/YHT/Desktop/表1.xlsx", sheet_name="1", header=0, index_col=0)
table_2 = pd.read_excel("C:/Users/YHT/Desktop/表1.xlsx", sheet_name="2", header=0, index_col=0)
table_3 = pd.read_excel("C:/Users/YHT/Desktop/表1.xlsx", sheet_name="3", header=0, index_col=0)
table_4 = pd.read_excel("C:/Users/YHT/Desktop/表1.xlsx", sheet_name="4", header=0, index_col=0)
table_5 = pd.read_excel("C:/Users/YHT/Desktop/表1.xlsx", sheet_name="5", header=0, index_col=0)
print(table_1)
print()
print(table_2)
print()
print(table_3)
print()
print(table_4)
print()
print(table_5)
print()

运行结果：

【一对多合并】

        如果需要拼接的两个表中，有相同的列信息，那么进行拼接的时候即使不指定以哪个字段作为主键，函数也会默认用信息相同的列做主键对两个表进行拼接，同时会将该列未匹配的元素行删除，如下例：

"""一对一合并"""
# 如果需要拼接的两个表中，有相同的列信息，那么进行拼接的时候即使不指定以哪个字段作为主键，函数也会默认用信息相同的列做主键对两个表进行拼接，同时会将该列未匹配的元素行删除，如下例：
print("table_1和table_2级联:\n", pd.concat(objs=(table_1, table_2), axis=0))
print("table_1和table_2合并:\n", pd.merge(table_1, table_2))
print()

运行结果：

【一对多合并】

"""多对一合并"""
print("table_1和table_3合并:\n", pd.merge(table_1, table_3))
print()

运行结果：

 【多对多合并】

默认：

(1)把字段相同的列作为合并的依据；

(2)默认如果有多个列的标签相同，则会同时参考多列合并；

"""多对多合并"""
# 默认(1)把字段相同的列作为合并的依据，(2)默认如果有多个列的标签相同，则会同时参考多列合并
print("table_3和table_4合并:\n", pd.merge(table_3, table_4))
print()

运行结果：

 【当字段存在多个相同项】

使用on=显式指定那一列为key，当有多个key相同时使用;

根据suffixes的传入参数，可以给表格中相同的key添加后缀;

"""key的规范化"""
# 使用on=显式指定那一列为key，当有多个key相同时使用
# 根据suffixes的传入参数，可以给表格中相同的key添加后缀
print("table_3和table_4合并:\n", pd.merge(table_3, table_4, on="手机型号"))
print("table_3和table_4合并:\n", pd.merge(table_3, table_4, on="手机型号", suffixes=("_上半年", "_下半年")))
print()

运行结果：

 【当字段不存在匹配项】

left_on:左表被指定的key

right_on:右表被指定的key

"""当key(列字段)不相等时合并"""
# left_on:左表被指定的key
# right_on:右表被指定的key
things_1 = pd.merge(table_1, table_5, left_on="手机型号", right_on="型号")
print("table_1和table_5合并:\n", things_1)

运行结果：

 【删除列/行drop】

labels=，传入参数为列表，列表元素为被删除的行/列标签

默认删除行，axis=0

"""删除列/列drop"""
# ；labels=，传入参数为列表，列表元素为被删除的行/列标签
# 默认删除行，axis=0
things_2 = things_1.drop(labels=["型号"], axis=1)
print(things_2)
print()

运行结果：

 【how参数】

在合并时，how默认参数为inner，也就是内合并；

merge(合并):只保留相同的【内容】；

concat(级联):只保留相同的【标签】；

保留交集:how="inner"；

保留并集:how="outer"；

左表为主表:how="left"；

右表为主表:how="right"；

"""how参数"""
# 在合并时，how默认参数为inner，也就是内合并
# merge(合并):只保留相同的【内容】
# concat(级联):只保留相同的【标签】
# 保留交集:how="inner"
# 保留并集:how="outer"
# 左表为主表:how="left"
# 右表为主表:how="right"
print("table_1和table_2合并(保留交集):\n", pd.merge(table_1, table_2, how="inner"))
print("table_1和table_2合并(保留并集):\n", pd.merge(table_1, table_2, how="outer"))
print("table_1和table_2合并(左表为主表):\n", pd.merge(table_1, table_2, how="left"))
print("table_1和table_2合并(右表为主表):\n", pd.merge(table_1, table_2, how="right"))
print()

运行结果：