pandas内置数据集_数据规整化：pandas 求合并数据集（交集并集等）

数据集的合并或连接运算是通过一个或多个键将行链接起来的。这些运算是关系型数据库的核心。pandas的merge函数是对数据应用这些算法的这样切入点。

默认是交集， inner连接

列名不同可以分别指定：

其他方式还要‘left’、‘right’以及“outer”。外链接求取的是键的并集， 组合了左连接和右连接的效果。

how 的作用是合并时候以谁为标准，是否保留NaN值

多对多

多对多 连接产生的行的笛卡尔积。由于左边的DataFrame有3个‘b’行， 右边的有2个，所以最终结果中

就有6个‘b’行。

根据多个键进行合并， 传入一个由列明组成的列表即可：

left =DataFrame(

{"key1": ['foo', 'foo', 'bar'],"key2": ['one', 'two', 'one'],"lval": [1, 2, 3]

}

)

right=DataFrame(

{"key1": ['foo', 'foo', 'bar', 'bar'],"key2": ['one', 'one', 'one', 'two'],"rval": [4, 5, 6, 7]

}

)

print(left)

print(right)

pm= pd.merge(left, right, on=["key1", "key2"], how="outer")

print(pm)

on与left_on 和right_on的区别

这个是left_on 和right_on

去重或更改后缀

merge函数的参数

索引上的合并

merge方法求取连接键的并集

对于层次化索引的数据

这个时候必须以列表的形式指明用作合并键的多个列(注意对重复索引的处理)

lefth = DataFrame({'key1':[ 'Ohio', 'Ohio', 'Ohio','Nevada', 'Nevada',],"key2":[2000, 2001, 2002,2001, 2002],"data":np.arange(5.)

})

righth= DataFrame(np.arange(12).reshape((6, 2)),

index=[['Nevada', 'Nevada', 'Ohio', 'Ohio', 'Ohio', 'Ohio'],

[2001, 2000, 2000, 2000, 2001, 2002]],

columns=['event1', 'event2']

)

print(lefth)

print(righth)

pm= pd.merge(lefth, righth,left_on=['key1', 'key2'], right_index=True)

print(pm)

索引并集

DataFrame.join实例方法

它能更为方便地实现索引合并。它还可用于和合并多个带有相同或相似索引的DataFrame对象， 而不管他们

之间有重叠的列。

print(left1.join(right1, how='inner'))

left2.join([1, 2], how='outer') #多个