Python中如何将多个dataframe表连接、合并成一个dataframe详解示例(如何将两个表合并行、合并列）--pandas中merge、join、concat、append的区别、用法梳理

Python中如何将多个dataframe表连接、合并成一个dataframe详解示例(如何将两个表合并行、合并列）--pandas中merge、join、concat、append的区别、用法梳理

我们在对Pandas中的DataFrame对象进行，表的连接、合并的时候，好像merge可以join也可以，哪到底他们有什么区别呢？我们使用的时候，该怎么选择哪个函数进行操作呢？本文就对merge、join、concat、append的使用方法进行梳理。文章的结构是，先说明各个函数的主要作用，最后用详细的代码，举例子演示，从而清晰的明白各个函数的功能定位。最后将各个函数的所有参数进行罗列，起到一个参考的作用。

操作的分类：包含pandas对象的数据可以通过多种方式是连接在一起，主要分为两类：

1）第一类：将两个pandas表根据一个或者多个键（列）值进行连接。这种操作类似关系数据库中sql语句的连接操作。这一类操作在使用pandas的merge、join操作来实现。

2）第二类：将两个pandas表在轴向上（水平、或者垂直方向上）进行粘合或者堆叠。这一类操作在使用pandas的concat、append操作来实现。

一、merge操作

merge函数实现sql数据库类似的各种join（连接）操作，例如内连接、外连接、左右连接等。

举例，创建两个dataframe变量df1，df2：

df1 = pd.DataFrame({'key': ['a', 'b', 'c', 'a', 'b'],
                    'data1': range(5)})
df2 = pd.DataFrame({'key': ['a', 'b', 'd'],
                    'data2': range(3)})
df3 = pd.merge(df1,df2)

进行merge操作：df3 = pd.merge(df1, df2)。结果如下：

df1为：，df2为：，输出结果

注意的是：

1）如果我们没有指定df1和df2使用哪个列进行连接。当这个时候发生的时候，merge会用两个对象中都存在的列名作为连接列。当然，最好还是清楚指定比较好，上述连接语句等效为：df3 = pd.merge(df1, df2, on='key')。这也是进行merge操作最常用的使用方式。

2)连接的方式。可以仔细看一下df3的输出结果，在结果中并没有c和d。因为merge默认是inner join(内连接)。也就是这个语句等效为：df3 = pd.merge(df1,df2,on='key',how='inner')。‘inner'连接方式，表示结果中的key是交集的结果，也就是两个表格中都有的集合。这里还有其他一些可选项，比如left, right, outer。outer join（外连接）取key的合集，其实就是left join和right join同时应用的效果。先分别看一下left、right、outer具体的输出：

left连接方式：df3 = pd.merge(df1,df2,on='key',how='left')的输出，如下：

 df1为：，df2为：，left模式输出：。

总结：left 连接模式的时候，所有在df1的key中的值，都能在结果中找到。只在df2的key中，没有在df1的key中的值，不会再结果中出现。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

right连接方式：df3 = pd.merge(df1,df2,on='key',how='right')的输出，如下：

df1为：