pandas库学习之merge函数

pandas库学习之merge函数

一、简介

pandas.merge函数用于合并两个DataFrame对象。它根据一个或多个键将两个DataFrame对象连接在一起，类似于SQL中的JOIN操作。

二、语法和参数

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

参数：

• left：第一个要合并的DataFrame对象。⭐
• right：第二个要合并的DataFrame对象。⭐
• how：字符串，默认值为inner，表示连接类型。可选值有left、right、outer和inner。⭐
• on：列名或列名的列表，表示用于连接的列。必须存在于左右两个DataFrame中。⭐
• left_on：左侧DataFrame中用于连接的列名或索引级别。
• right_on：右侧DataFrame中用于连接的列名或索引级别。
• left_index：布尔值，表示是否使用左侧DataFrame的索引进行连接。
• right_index：布尔值，表示是否使用右侧DataFrame的索引进行连接。
• sort：布尔值，表示是否按连接键对结果进行排序。默认值为False。
• suffixes：字符串元组，表示重复列名的后缀，默认值为(_x, _y)。
• copy：布尔值，默认值为True，表示是否在合并数据时始终复制数据。
• indicator：布尔值或字符串，表示是否添加一列指示每个行的来源。
• validate：字符串，用于验证合并的类型。可选值有one_to_one、one_to_many、many_to_one和many_to_many。

三、实例

3.1 内连接

import pandas as pd

df1 = pd.DataFrame({
    'key': ['A', 'B', 'C', 'D'],
    'value1': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
    'key': ['B', 'D', 'E', 'F'],
    'value2': [5, 6, 7, 8]
})

merged_df = pd.merge(df1, df2, on='key', how='inner')

print(merged_df)

输出：

  key  value1  value2
0   B       2       5
1   D       4       6

3.2 左连接

import pandas as pd

df1 = pd.DataFrame({
    'key': ['A', 'B', 'C', 'D'],
    'value1': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
    'key': ['B', 'D', 'E', 'F'],
    'value2': [5, 6, 7, 8]
})

merged_df = pd.merge(df1, df2, on='key', how='left')

print(merged_df)

输出：

  key  value1  value2
0   A       1     NaN
1   B       2     5.0
2   C       3     NaN
3   D       4     6.0

3.3 外连接

import pandas as pd

df1 = pd.DataFrame({
    'key': ['A', 'B', 'C', 'D'],
    'value1': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
    'key': ['B', 'D', 'E', 'F'],
    'value2': [5, 6, 7, 8]
})

merged_df = pd.merge(df1, df2, on='key', how='outer')

print(merged_df)

输出

  key  value1  value2
0   A     1.0     NaN
1   B     2.0     5.0
2   C     3.0     NaN
3   D     4.0     6.0
4   E     NaN     7.0
5   F     NaN     8.0

四、注意事项

1. 确保用于连接的键在两个DataFrame中都存在，否则结果会不如预期。
2. 连接类型（如inner、outer、left、right）决定了合并结果的形状和内容。选择适当的连接类型非常重要。
3. 使用suffixes参数可以避免在连接时因列名冲突而导致的问题。
4. 如果需要使用索引进行连接，可以将left_index和right_index设置为True。
5. validate参数可以用来检查合并的逻辑是否正确，确保数据的一致性。