五分钟教会你Pandas多个数据表合并（merge）

十分钟教会你Pandas多个数据表合并（merge）

当处理多个数据表时，合并（merge）是一个重要的操作，它可以将具有相同或相关数据的表连接在一起。Pandas 提供了 merge() 函数，可以根据指定的列或索引将两个或多个数据表合并在一起。下面我将向你介绍如何使用 Pandas 的 merge() 函数进行合并操作。

假设你有两个数据表 df1 和 df2，你想根据某个共同的列（或索引）将它们合并在一起，可以按照以下步骤操作：

1. 导入 Pandas：
   首先，确保导入了 Pandas 库：

   import pandas as pd
   

2. 读取数据表：
   如果你还没有读取数据表，使用 Pandas 的 read_csv() 函数（或其他适合的函数）读取数据表。假设你已经读取了两个数据表 df1 和 df2。

3. 合并数据表：
   使用 merge() 函数来合并数据表。以下是一个示例：

   merged_df = pd.merge(df1, df2, on='common_column')
   

   其中，common_column 是两个数据表共有的列名，根据这个列进行合并。你还可以使用其他参数来指定合并方式、连接键、是否保留所有行等。

4. 合并方式（how 参数）：
   merge() 函数的 how 参数指定了合并的方式。常见的方式包括：

   • 'inner'：默认方式，取两个表的交集。
   • 'outer'：取两个表的并集，缺失值用 NaN 填充。
   • 'left'：取左表的全部行，右表中没有对应行的用 NaN 填充。
   • 'right'：取右表的全部行，左表中没有对应行的用 NaN 填充。

以下是一个完整的示例：

import pandas as pd

# 读取两个数据表
df1 = pd.read_csv('data1.csv')
df2 = pd.read_csv('data2.csv')

# 根据共同列 'key' 合并数据表
merged_df = pd.merge(df1, df2, on='key')

# 打印合并后的数据表
print(merged_df)

请根据你的数据表和需求，自行调整上述代码。