pandas的merge数据处理详解，包括交集、并集、还有使用索引上的处理

目录

输入数据样子：

how属性合并的四种方式:

根据索引号处理数据

输入数据样子：

t3如图：

t3= pd.DataFrame({'key':['a','b','c','c'],'key2':['a','c','c','c'],'data':range(4)})

t4如图：

t4= pd.DataFrame({'key':['X','b','b','X'],'key2':['a','c','c','X'],'data':range(4)})

how属性合并的四种方式:

t1 = pd.merge(t3,t4,on=['key','key2'],how='inner')
t1 = pd.merge(t3,t4,on=['key','key2'],how='left') 
t1 = pd.merge(t3,t4,on=['key','key2'],how='right') 
t1 = pd.merge(t3,t4,on=['key','key2'],how='outer')

inner：在on的列上两方均有的数据，即交集

left：左侧作为被匹配对象，右侧的数据匹配左侧的数据，没有的则为空。未匹配到，则为空

right：右侧作为被匹配对象，左侧的数据匹配右侧的数据，没有的则为空。未匹配到，则为空

outer：并集，所有的元素都有

（其中的on为对应在那几列上进行的操作）

inner结果如图：

left结果如图：

reght结果如图：

out结果如图：

，

根据索引号处理数据

输入数据样子:

t3:四行三列

t3= pd.DataFrame({'key':['a','b','c'],'key2':['a','c','c'],'data':range(3)})

t4：三行三列

t4= pd.DataFrame({'key':['X','b','b','X'],'key2':['a','c','c','X'],'data':range(4)})

输出：使用左侧序列进行处理，因为how默认为inner所以显示为交集，可以结合how其他形式

t1 = pd.merge(t3,t4,right_index=True,left_index=True)

总结：merge的处理方式类似与数据库表的连接方式。

觉着我的文章思路清晰的话可以点赞关注下。便于大家以后的查找

我也是从大家的文章视频中一步一步学习到现在，希望取之于民，用之于民。希望可以让大家在以后的路上少走弯路。