数据集的合并主要依靠merge函数,类似于数据库的join函数,源代码为:
DataFrame.merge(self,right,how ='inner',on = None,left_on = None,right_on = None,left_index = False,right_index = False,sort = False,后缀=('_ x',' _y '),copy = True,indicator = False,validate = None )
right:要连接的对象。
how:连接的方式,类似sql的join函数。默认为inner。
inner为内连接
outer为外连接
left为左连接
right为右连接
on:类似sql的on,连接依靠的列或者索引行。如果on是None并且不是依靠索引行来连接的,那么默认连接依靠的是两个对象相交的列。
left_on:连接的左表的键。
right_on:连接的右表的键。
left_index:bool类型,默认为False,使用左表的索引为连接键,如果它是层次化索引,那么右表的索引级别必须一致。
right_index:bool类型,默认为False,使用右表的索引为连接键,如果它是层次化索引,那么左表的索引级别必须一致。
sort:bool类型,默认为False,在结果中按照字典顺序对连接键排序,如果是False,则排序方式取决于连接类型(how)。
后缀:str的元组,为两表中重复的列名添加后缀。
copy:bool类型,默认为True,如果是False,请尽量避免复制。
后面两个不常用,此处不作赘述。
案例;
#新建两个数组
df1 = pd.DataFrame({'key':['b','b','a','c','a','a','b'],
'data1':range(7)})
df2 = pd.DataFrame({'key':['a','b','d'],
'data2':range(3)})
df1:
df2:
#合并两个数组
df1.merge(df2)
#或者
pd.merge(df1,df2)
结果为:
这里默认为inner方式连接,连接的列默认是两个数组的交集(key),代码实质为:
df1.merge(df2, how='inner', on='key')
我们可以换一下数据:
#新建两个数组
#没有交集
df1 = pd.DataFrame({'lkey':['b','b','a','c','a','a','b'],
'data1':range(7)})
df2 = pd.DataFrame({'rkey':['a','b','d'],
'data2':range(3)})
内连接:
df1.merge(df2, how='inner', left_on='lkey', right_on='rkey')
外连接:
df1.merge(df2, how='outer', left_on='lkey', right_on='rkey')
左连接:
df1.merge(df2, how='left', left_on='lkey', right_on='rkey')
右连接:
f1.merge(df2, how='right', left_on='lkey', right_on='rkey')