Pandas 11-多表联合

基本概念

• DataFrame: 一个二维的表格数据结构，类似于电子表格或 SQL 表。
• join: 将两个 DataFrame 按照某个共同的列（键）进行合并。

常见的 join 类型

1. inner join: 只保留两个 DataFrame 中键匹配的行。
2. left join: 保留左边 DataFrame 的所有行，右边 DataFrame 中没有匹配的行用 NaN 填充。
3. right join: 保留右边 DataFrame 的所有行，左边 DataFrame 中没有匹配的行用 NaN 填充。
4. outer join: 保留两个 DataFrame 中的所有行，没有匹配的行用 NaN 填充。

使用方法

Pandas 提供了 merge 和 join 两种方法来进行表的合并。

使用 merge 方法

import pandas as pd  
  
# 创建示例 DataFrame  
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value1': [1, 2, 3]})  
df2 = pd.DataFrame({'key': ['B', 'C', 'D'], 'value2': [4, 5, 6]})  
  
# inner join  
result_inner = pd.merge(df1, df2, on='key', how='inner')  
  
# left join  
result_left = pd.merge(df1, df2, on='key', how='left')  
  
# right join  
result_right = pd.merge(df1, df2, on='key', how='right')  
  
# outer join  
result_outer = pd.merge(df1, df2, on='key', how='outer')  

使用 join 方法

join 方法默认是基于索引进行合并，但也可以通过 on 参数指定列。

# 创建示例 DataFrame  
df1 = pd.DataFrame({'value1': [1, 2, 3]}, index=['A', 'B', 'C'])  
df2 = pd.DataFrame({'value2': [4, 5, 6]}, index=['B', 'C', 'D'])  
  
# inner join  
result_inner = df1.join(df2, how='inner')  
  
# left join  
result_left = df1.join(df2, how='left')  
  
# right join  
result_right = df1.join(df2, how='right')  
  
# outer join  
result_outer = df1.join(df2, how='outer')  

多表联合 join

当需要将多个 DataFrame 进行联合 join 时，可以多次调用 merge 或 join 方法。

# 创建示例 DataFrame  
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value1': [1, 2, 3]})  
df2 = pd.DataFrame({'key': ['B', 'C', 'D'], 'value2': [4, 5, 6]})  
df3 = pd.DataFrame({'key': ['C', 'D', 'E'], 'value3': [7, 8, 9]})  
  
# 先合并 df1 和 df2，再合并结果与 df3  
result = pd.merge(pd.merge(df1, df2, on='key', how='outer'), df3, on='key', how='outer')  

注意事项

1. 键的名称: 确保两个 DataFrame 中用于合并的列名称相同。
2. 数据类型: 确保用于合并的列数据类型一致，避免因数据类型不匹配导致的合并错误。
3. 性能: 对于大数据集，考虑使用更高效的数据库或优化 Pandas 操作。