Python - Pandas Dataframe的合并Merge

本文摘要：

Pandas的merge相当于SQL的join，将不同的表按共有的列属性关联起来。

merge实例

现有数据 df_ratings 如下

df_users 如下

df_movies 如下

how=‘innder’ 内连接，表示两表都有同一UserID才会保留，否则丢弃。

import pandas as pd
df_ratings_users = pd.merge(
	df_ratings, df_users, left_on='UserID', right_on='UserID', how='inner'
)

返回结果

df_ratings_users_movies = pd.merge(
	df_ratings_users, df_movies, left_on='MovieID', right_on='MovieID', how='inner'
)

merge时数量关系

一对一关系：

# one-to-one
left = pd.DataFrame({
	'sno': [11,12,13,14],
	'name': ['name_a','name_b','name_c','name_d']
})

right = pd.DataFrame({
	'sno': [11,12,13,14],
	'age': [11,12,13,14]
})

pd.merge(left, right, on='sno')

一对多关系：

# one-to-many
pd.merge(left, right, on='sno')

返回结果

多对多关系：

# many-to-many
pd.merge(left, right, on='sno')

返回结果

left join、right join、inner join、outer join的区别

下面指的都是Key，交集指该Key列的值两表都存在。
Left join：保留完整的左表 和 交集
Right join：保留完整的右表 和 交集
Inner join：只保留交集
Full Outer join：全保留

下面演示一下

left = pd.DataFrame({
	'key': ['K0', 'K1', 'K2', 'K3'],
	'A': ['A0', 'A1', 'A2', 'A3'],
	'B': ['B0', 'B1', 'B2', 'B3']
})

right = pd.DataFrame({
	'key': ['K0', 'K1', 'K4', 'K5'],
	'C': ['C0', 'C1', 'C4', 'C5'],
	'D': ['D0', 'D1', 'D4', 'D5']
})

inner join：

pd.merge(left, right, how='inner')

两表共有的只有K0,K1，所以inner join只保留了这两行

left join：

pd.merge(left, right, how='left')

保留左表所有Key，K2、K3没有C、D列所以为NaN

right join：

pd.merge(left, right, how='right')

保留右表所有Key，K4、K5没有A、B列所以为NaN

outer join：

pd.merge(left, right, how='outer')

保留两表所有Key，没有对应的列则为NaN

*此文仅为个人笔记