【python学习笔记】Dataframe和类SQL的merge函数（二）

上一篇文章中提到的merge函数，也就是类似于SQL的join方法中，主要的参数是on参数；

除了on参数，还有专门针对index join的参数：index；

可以理解成是左边的一列和右边的索引进行连接，想了想，R中应该是data.table有这种便利的函数，其实我更喜欢直接用SQLDF包；

书中的例子是：

left1=DataFrame({'key':['a','b','a','a','b','c'],
                 'value':range(6)})
right1=DataFrame({'group_val':[3.5,7]},index=['a','b'])                 

这两个数据框如下：

left1
  key  value
0   a      0
1   b      1
2   a      2
3   a      3
4   b      4
5   c      5

right1
   group_val
a        3.5
b        7.0

可以看到下面的right1 的index 是 a和b；

那么：

pd.merge(left1,right1,
         left_on='key',
         right_index=True,
         how='outer')

这个函数就是针对left1和right1两个数据框进行合并，join的连接键是左边是key这一列，而右边的看到不用on,而是right_index这个参数，结果为

key  value  group_val
0   a      0        3.5
2   a      2        3.5
3   a      3        3.5
1   b      1        7.0
4   b      4        7.0
5   c      5        NaN

其实就是外连接，外连接会产生笛卡尔积，所以每一个a，即使在right数据框中没有也会对应一个重复的值，当然c就是NA了。

left2=DataFrame({'key':['a','b','a','a','b','c'],
                 'value':range(6),
                 'data':np.random.randn(6)})
right2=DataFrame({'group_val':[3.5,7]},
                  index=[['a','b'],[0,0]])
pd.merge(left2,right2,
         left_on=['key','value'],
         right_index=True,
         how='inner')

修正一下这两个数据框，添加两个index在right2中，然后再次合并，发现结果为：

 data key  value  group_val
0 -0.771492   a      0        3.5

也就是通过key,value作为连接键，然后左边连得是data，右边连得是index对应的那一行，

顺便说一句，在索引中，数字一定要是数字形式；比如：

right2=DataFrame({'group_val':[3.5,7]},
                  index=[['a','b'],[0,0]])

这样是能连接上的，但是如果：

right2=DataFrame({'group_val':[3.5,7]},
                  index=[['a','b'],['0','0']])

这样的话，0会被默认认为是字符，无法进行连接。