记录合并，字段合并，字段匹配

#数据合并，类似union
import pandas 
ab=pandas.read_csv('D://Python projects//reference data//4.10//data1.csv'
                   ,sep='|')
ac=pandas.read_csv('D://Python projects//reference data//4.10//data2.csv'
                   ,sep='|')
ad=pandas.read_csv('D://Python projects//reference data//4.10//data3.csv'
                   ,sep='|')

ae=pandas.concat([ab,ac,ad])
#根据指定行合并
af=pandas.concat([
        ab[0:1],
        ac[1:2],
        ad[0:2]
        ])
#根据指定列合并
ak=pandas.concat([
        ab[[1,2]],
        ac[[1,2]],
        ad[[1,2]]
])

data=pandas.concat([
        ab[1,2],
        ac[1,2],
        ad[0,2]
        ])

 

 

#字段合并，通过+号
ba=pandas.read_csv('D://Python projects//reference data//4.11//data.csv',
                   sep=' ',
                   names=['brand','area','num'])
#数字形势下的直接相加是 数值相加
tel=ba['brand']+ba['area']+ba['num']
#转成字符串就可以合并字段了
ba=ba.astype(str)
tel=ba['brand']+ba['area']+ba['num']
ba['tel']=tel

#字段匹配，匹配字段类型要一致
ca=pandas.read_csv('D://Python projects//reference data//4.12//data1.csv',
            sep='|',
            names=['id','comments','title'])

cb=pandas.read_csv('D://Python projects//reference data//4.12//data2.csv',
                   sep='|',
                   names=['id','oldprice','accountprice'])

#默认inner_join,只保留匹配上的部分
ce=pandas.merge(
        ca,
        cb,
        left_on='id',
        right_on='id')

#左连接，右连接，外连接
cf=pandas.merge(
        ca,
        cb,
        left_on='id',
        right_on='id',
        how='left')

cg=pandas.merge(
        ca,
        cb,
        left_on='id',
        right_on='id',
        how='right')

ch=pandas.merge(
        ca,
        cb,
        left_on='id',
        right_on='id',
        how='outer')