python实现多表合并的操作

本文转载自：https://blog.csdn.net/weixin_38131197/article/details/101481993

本贴仅是记录，防止原创作者删帖，请大家前往原创作者博客多多支持原创。

通过python实现Sql中的表连接操作

一、merg实现表连接

数据准备：

import pandas as pd
import numpy as np
left = pd.DataFrame({'key':['K0','K1','K2','K3'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right = pd.DataFrame({'key':['K0','K11','K2','K31'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })

  
  

  
  
1
2
3
4
5
6
7
8
9
10

输出结果：

1、单条件连接:merge

内连接：

# how参数不写 默认是内连接
pd.merge(left,right,on = ['key'])
pd.merge(left,right,on = ['key'],how='inner')

  
  

  
  
1
2
3

输出结果：

外连接（全连接）：

# 外连接
pd.merge(left,right,on = ['key'],how='outer')

  
  

  
  
1
2

输出结果：

左连接：

# 左连接
pd.merge(left,right,on = ['key'],how='left')

  
  

  
  
1
2

输出结果：

右连接：

# 右连接
pd.merge(left,right,on = ['key'],how='right')

  
  

  
  
1
2

输出结果：

2、多条件连接:merge

数据准备：

#多条件关联
left1 = pd.DataFrame({'key1':['K0','K0','K1','K2'],
                      'key2':['K0','K1','K0','K1'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right1 = pd.DataFrame({'key1':['K0','K1','K1','K2'],
                       'key2':['K0','K0','K0','K0'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })

  
  

  
  
1
2
3
4
5
6
7
8
9
10
11

输出结果：

内连接：

# 内连接 ,how 参数不写默认是内连接
pd.merge(left1,right1,on=['key1','key2'])
pd.merge(left1,right1,on=['key1','key2'],how = 'inner')

  
  

  
  
1
2
3

输出结果：

外连接（全连接）：

# 外连接 
pd.merge(left1,right1,on=['key1','key2'],how= 'outer')

  
  

  
  
1
2

输出结果：

左连接：

# 左连接
pd.merge(left1,right1,on=['key1','key2'],how= 'left')

  
  

  
  
1
2

输出结果：

右连接：

# 右连接
pd.merge(left1,right1,on=['key1','key2'],how= 'right')

  
  

  
  
1
2

输出结果：

二、concat实现表连接

数据准备：

df1 = pd.DataFrame(np.ones((3,4))*0,columns= ['a','b','c','d'],index=(1,2,3))
df2 = pd.DataFrame(np.ones((3,4))*11,columns= ['b','c','d','e'],index=(2,3,4))

  
  

  
  
1
2

输出结果：

1、行连接（横向连接）：

全连接：

pd.concat([df1,df2],axis=1)

  
  

  
  
1

输出结果：

左连接：

pd.concat([df1,df2],axis=1,join_axes=[df1.index])

  
  

  
  
1

输出结果：

右连接：

pd.concat([df1,df2],axis=1,join_axes=[df2.index])

  
  

  
  
1

输出结果：

2、列连接（纵向连接）：

两种方法实现：concat/append

方法1、concat

pd.concat([df1,df2],axis=0)

  
  

  
  
1

输出结果：

调整索引的顺序：

pd.concat([df1,df2],axis=0,ignore_index =True)

  
  

  
  
1

输出结果：

方法2、append

df1.append(df2,ignore_index=True)

  
  

  
  
1

输出结果：

三、merge和concat的区别：

1、merge默认是内连接，concat默认是外连接
2、merge的参数how有left/right/inner/outer，concat的参数axis有0/1（0：列，1：行），通过concat实现左/右连接主要是跟参数写的位置有关
3、merge合并的范围广泛，可以通过索引/列关联，concat合并的范围小，只支持索引的合并