merge into on多个条件_【Python代替Excel】7：merge、concat、append

准备工作：下载示例数据，提取码：tkqn 数据例子

数据预览

---

在数据合并中，有merge和concat是比较常用的。

merge：左连、右连、内连

新建两个dataframe数据集：

import pandas as pd

df1 = pd.DataFrame({'key1':['b','b','a','a','b','a','c'],'key2':['i','j','k','k','i','j','k'],'data1':range(7)})
df2 = pd.DataFrame({'key1':['a','b','d'],'key2':['k','j','i'],'data2':range(3)})

• 以索引进行合并

merge1 = pd.merge(df1,df2,how='left',left_index=True,right_index=True)  #index 左连
merge2 = pd.merge(df1,df2,how='right',left_index=True,right_index=True) #index 右连
merge3 = pd.merge(df1,df2,how='inner',left_index=True,right_index=True) #index 内连

因为两个df都有key1、key2列，所以连接之后，以x、y后缀去区分。当然也可以自定义后缀：

merge4 = pd.merge(df1,df2,how='inner',left_index=True,right_index=True,suffixes=('左','右')) #index 自定义后缀

• 以某一列为连接键进行合并

比如以key1列进行合并

merge5 = pd.merge(df1,df2,left_on='key1',right_on='key1',how='left')    #key1  左连

• 以某两列为连接键进行合并

实际中挺常见的，比如先按日期，再按部门。

merge6 = pd.merge(df1,df2,on=['key1','key2'],how='inner')   #key1 key2  内连 

concat：横向合并、纵向合并

• 纵向合并：

concat1 = pd.concat([df1,df2],axis=0)  #纵向合并，保留原来的index
concat2 = pd.concat([df1,df2],axis=0,ignore_index=True)   #纵向合并，重新赋值inde

• 横向合并，相当于merge(index=True)

concat3 = pd.concat([df1,df2],axis=1)  #横向合并，以index为连接键

concat可以多个df进行连接，[df1,df2,df3...]

append

append和concat纵向合并类似：df1.append(df2, ignore_index=True)

---

专栏列表

数据分析与Python：【Python代替Excel】1：Python与Anaconda

数据分析与Python：【Python代替Excel】2：数据的读取

数据分析与Python：【Python代替Excel】3：数据的预览

数据分析与Python：【Python代替Excel】4：数据的清洗

数据分析与Python：【Python代替Excel】5：数据的统计分析

数据分析与Python：【Python代替Excel】6：按条件筛选