DataFrame系列3之Pandas.DataFrame操作表连接三种方式：merge, join, concat

目录

1.concat 

2.JOIN

3.merge

---

        作为DataFrame系列的第三部分，主要是对两个DataFrame之间的关联进行介绍。

以下面两个DataFrame为例进行语法的介绍：

df_1 = pd.read_csv('D:/traindatas/map_1.csv', sep=',', header='infer')  # 测试集
df_2 = pd.read_csv('D:/traindatas/map_2.csv', sep=',', header='infer')  # 测试集

1.concat 

concat 轴向连接。就是单纯地把两个表拼在一起，这个过程也被称作绑定（binding）或堆叠（stacking）。函数的关键参数应该是 axis

默认值：axis=0

axis=0：竖方向（index）合并，合并方向index作列表相加，非合并方向columns取并集

axis=1：横方向（columns）合并，合并方向columns作列表相加，非合并方向index取并集

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

1)默认情况

注意到这里，左表和右表没有一个单元格是一样的，只是按照行索引水平堆在了一起

pd.concat([df_1, df_2])

2)axis=0 

是根据id相同的堆叠在一起，相当于full join操作

pd.concat([df_1, df_2],axis=0)

3)axis=1  注意到这里，左表和右表不是根据id一样拼在一起的，只是按照行索引水平堆在了一起

pd.concat([df_1, df_2],axis=1)

2.JOIN

JOIN 拼接列，主要用于基于行索引上的合并。

• 只要两个表列名不同，不加任何参数就可以直接用。
• 如果两个表有重复的列名，需指定lsuffix, rsuffix参数。
• 默认左外连接how=left

df1.join(df2, lsuffix='_l', rsuffix='_r') # 列名重复的时候需要指定lsuffix, rsuffix参数

1)axis=0时join='inner'，columns取交集： 

2)axis=1时join='inner'，index取交集：

3.merge

• 默认以重叠列名当做链接键；默认是INNER JOIN
• 可以多键连接，'on'参数后传入多键列表即可
• 如果两个对象的列表不同，可以用left_on, right_on指定。
• 也可以用行索引当连接键，使用参数left_index=True, right_index=True. 但是这种情况下最好用JOIN

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

1. left与right：就是我们的df_1，df_2
2. how：指的是合并(连接)的方式：inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
3. on : 指的是用于连接的列索引名称。必须存在左右两个DataFrame对象中，如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
4. left_on：左表用作连接键的列名;这个参数中左右列名不相同，但代表的含义相同时非常有用。
5. right_on：右表用作 连接键的列名
6. left_index：左表的行索引做为连接键，用到这个参数时，就有点类似于上面的JOIN函数了。
7. right_index：使用右表的行索引做为连接键
8. sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
9. suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x','_y')
10. copy：默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能
11. indicator：在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)

看一个简单的例子：不加任何参数，就默认以两表中都有的建作为主键连接了，即默认合并后只保留有共同列项并且值相等行（即交集）

看下indicator的用法：

默认值：indicator=False，不显示合并方式

设置True表示显示合并方式，即left / right / both：

以上是对三个函数的简单介绍，三个函数还有很丰富的功能，这里就不再深入介绍了。