pandas中DataFrame的merge操作

---

前言

本文主要记录我在阅读《Python金融大数据分析》一书时，原本对书中DataFrame的merge操作有点疑惑，后来通过实验发现书上代码在现有环境下已经报错的事实。因此，进行整理记录。

---

一、merge操作是什么？

merge是对pandas的DataFrame对象进行合并的操作。其具体参数如下：

pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
			 left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'),
			 copy=None, indicator=False, validate=None)

二、代码实验

1.新建DataFrame

代码如下：

import pandas as pd
df1 = pd.DataFrame(['100','200','300','400'],index=['a','b','c','d'],columns=['A',])
df2 = pd.DataFrame(['200','150','50'],index=['f','b','d'],columns=['B',])
c = pd.Series([250,150,50],index=['b','d','c'])
df1['C'] = c
df2['C'] = c

DataFrame输出如下：

2.merge操作

例1：默认情况下，以C作为合并列

pd.merge(df1,df2)

例2：显性设置合并列为C

pd.merge(df1,df2,on='C')

例3：设置外连接，可以理解为并集，默认还是以C为合并列

pd.merge(df1,df2,how='outer')

例4：左DataFrame以A列为合并列，右DataFrame以B列为合并列

pd.merge(df1,df2,left_on='A',right_on='B')

例5：左DataFrame以A列为合并列，右DataFrame以B列为合并列，并集

pd.merge(df1,df2,left_on='A',right_on='B',how='outer')

例6：左DataFrame以索引为合并列，右DataFrame以索引为合并列

pd.merge(df1,df2,left_index=True,right_index=True)

例7：企图以C为合并列，同时左DataFrame以索引为合并列

pd.merge(df1,df2,left_index=True,on='C')

系统会抛出合并异常，说合并列和索引不能同时设置，MergeError: Can only pass argument “on” OR “left_index” and “right_index”, not a combination of both.

---

总结

以上就是要记录/勘误的内容，本文仅仅简单介绍了pandas中DataFrame的merge使用。书中可能还存在许许多多的错误，仍有待我们去发掘。每一次小小的发现都是大大的收获。