【Pandas学习笔记Task06】：连接

import numpy as np
import pandas as  pd

一、关系型连接

把两个表根据某一个键或者某一组键连接起来，就属于连接。（这里可以与数据库相联系，其实从理论上讲都是相同的操作。）连接的类型包括左连接、右连接和内外连接。外连接又叫全连接。

1.值连接

可以通过几列值的组合进行连接，这种基于值的连接可以由 merge 函数实现

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'],
                        'Age':[20,30]})
df2 = pd.DataFrame({'Name':['Si Li','Wu Wang'],
                        'Gender':['F','M']})
    
df1.merge(df2, on='Name', how='left')

	Name	Age	Gender
0	San Zhang	20	NaN
1	Si Li	30	F

# 上面的是有共同的列，如果没有共同的列，可以通过指定左连接还是右连接（这不就是数据库嘛）
df1 = pd.DataFrame({'df1_name':['San Zhang','Si Li'],
                        'Age':[20,30]})
df2 = pd.DataFrame({'df2_name':['Si Li','Wu Wang'],
                        'Gender':['F','M']})
df1.merge(df2, left_on='df1_name', right_on='df2_name', how='left')

	df1_name	Age	df2_name	Gender
0	San Zhang	20	NaN	NaN
1	Si Li	30	Si Li	F

如果两个表中的列出现了重复的列名，那么可以通过 suffixes 参数指定

df1 = pd.DataFrame({'Name':['San Zhang'],'Grade':[70]})
df2 = pd.DataFrame({'Name':['San Zhang'],'Grade':[80]})
df1.merge(df2, on='Name', how='left', suffixes=['_Chinese','_Math']) # suffixes参数可以在同列后根据位置加后缀

	Name	Grade_Chinese	Grade_Math
0	San Zhang	70	80

2.索引连接

索引连接，就是把索引当作键。与上面的那个值连接相似。

df1 = pd.DataFrame({'Age':[20,30]},
                       index=pd.Series(
                       ['San Zhang','Si Li'],name='Name'))
df2 = pd.DataFrame({'Gender':['F','M']},
                        index=pd.Series(
                       ['Si Li','Wu Wang'],name='Name'))
df1.join(df2, how='left')

	Age	Gender
Name
San Zhang	20	NaN
Si Li	30	F

# df1 = pd.DataFrame({'Name':['San Zhang'],'Grade':[70]})
# df2 = pd.DataFrame({'Name':['San Zhang'],'Grade':[80]})
df1 = pd.DataFrame({'Grade':[70]},
                       index=pd.Series(['San Zhang'],
                       name='Name'))
df2 = pd.DataFrame({'Grade':[80]},
                      index=pd.Series(['San Zhang'],
                       name='Name'))
df1.join(df2, how='left', lsuffix='_Chinese', rsuffix='_Math') # 这里用join，与merge的区别是后面的后缀。这个是单独传俩，merge是以列表形式给出

	Grade_Chinese	Grade_Math
Name
San Zhang	70	80

# 以多列为键的操作的时候， join 需要使用多级索引
# 这里感觉用join的多级索引比较麻烦（主要是提到多级索引就头疼，还能搞明白吧）
df1 = pd.DataFrame({'Age':[20,21]},
                        index=pd.MultiIndex.from_arrays(
                        [['San Zhang', 'San Zhang'],['one', 'two']],
                        names=('Name','Class')))
df2 = pd.DataFrame({'Gender':['F', 'M']},
                        index=pd.MultiIndex.from_arrays(
                        [['San Zhang', 'San Zhang'],['two', 'one']],
                        names=('Name','Class')))
df1

		Age
Name	Class
San Zhang	one	20
	two	21

df2

		Gender
Name	Class
San Zhang	two	F
	one	M

df1.join(df2)

		Age	Gender
Name	Class
San Zhang	one	20	M
	two	21	F

二、方向连接

1.concat

这个与关系连接的区别在于这个不需要指定相同的列，就是将俩表连接起来。指定是行还是列（axis=0 or 1）

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'],
                      'Age':[20,30]})
df2 = pd.DataFrame({'Name':['Wu Wang'], 'Gender':['M']})
pd.concat([df1, df2],axis=1) # 默认axis=0，纵向，这里横向来看会将列索引延续下去，纵向连接会对其索引

	Name	Age	Name	Gender
0	San Zhang	20	Wu Wang	M
1	Si Li	30	NaN	NaN

pd.concat([df1, df2],axis=0,join='inner') # 这里join默认保留所有，设置为inner时看axis=0 or 1，1就是去掉某些值不存在的行，只保留都非空的行。0就是看列

	Name
0	San Zhang
1	Si Li
0	Wu Wang

keys可以产生多级索引，对原来合并前的表进行一个标识

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'],
                      'Age':[20,21]})
df2 = pd.DataFrame({'Name':['Wu Wang'],'Age':[21]})
pd.concat([df1, df2], keys=['one', 'two'])

		Name	Age
one	0	San Zhang	20
	1	Si Li	21
two	0	Wu Wang	21

总结

就到这里了。本次学习时间分配的不是很合理。导致学习起来也不在状态，就不自欺欺人了，再往下学也没有收获那就到这里吧，等再学到连接这里补充。