pandas 合并dataframe_数据处理必备工具之强大的pandas.merge合并方法！

数据分析和建模方面绝大部分的工作都是做数据处理，pandas是python标准库提供了一组高级的、灵活的、高效的核心算法和函数，能够轻松地将数据规整成适合机器学习建模的形式。

pandas对象中的数据可通过一些内置的方法来合并，本文先给大家介绍一下数据的合并操作：pandas.merge。

pandas.merge的作用

pandas.merge 可根据一个或多个键将不同的dataframe中的行连接起来。使用方式如下：

pandas.merge的参数介绍

merge函数大致有12种，具体含义如下：

• left： 参与合并左侧DataFrame对象
• right： 参与合并的右侧DataFrame对象
• on: 用于连接的列名。 必须在左侧和右侧DataFrame对象中找到。 如果未传递参数且left_index和right_index也为False，则DataFrame中的列的交集将被推断为连接键。
• left_on：左侧DataFrame中的列或索引级别用作键。 可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。
• right_on：左侧DataFrame中的列或索引级别用作键。 可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。
• left_index：如果为True，则使用左侧DataFrame中的索引(行标签)作为其连接键。 对于具有MultiIndex(分层)的DataFrame，级别数必须与右侧DataFrame中的连接键数相匹配。
• right_index： 与left_index功能相似。
• how： ‘left’, ‘right’, ‘outer’, ‘inner’，默认inner。
• sort：默认inner按字典顺序通过连接键对结果DataFrame进行排序。 默认为True，设置为False将在很多情况下显着提高性能。
• suffixes： 用于重叠列的字符串后缀元组。 默认为(‘x’，’ y’)。
• copy： 始终从传递的DataFrame对象复制数据(默认为True)，即使不需要重建索引也是如此。
• indicator：将一列添加到名为merge的输出DataFrame，其中包含有关每行源的信息。merge是分类类型，并且对于其合并键仅出现在“左”DataFrame中的观察值，取得值为left_only，对于其合并键仅出现在“右”DataFrame中的观察值为right_only，并且如果在两者中都找到观察点的合并键，则为left_only。

pandas.merge实例

首先创建两个数据框，并赋予数据，分别命名为left，right。

import pandas as pdleft = pd.DataFrame({'key1': ['k0', 'k0', 'k1', 'k2'], 'key2': ['k0', 'k1', 'k0', 'k1'], 'A': ['0', '1', '2', '3'], 'B': ['0', '1', '2', '3']})right = pd.DataFrame({'key1': ['k0', 'k1', 'k1', 'k2'], 'key2': ['k0', 'k0', 'k0', 'k0'], 'C': ['0', '1', '2', '3'], 'D': ['0', '1', '2', '3']})

使用左连接合并参数

# Use keys from left frame onlyleft_result = pd.merge(left, right, how='left', on=['key1', 'key2'])

使用左连接合并参数

# Use keys from right frame onlyright_result = pd.merge(left, right, how='right', on=['key1', 'key2'])

使用外连接合并参数

# Use keys from outer frame onlyouter_result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

使用内连接合并参数

# Use keys from inner frame onlyinner_result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

好了，今天就到这，大家感兴趣的话，其他参数可以自己验证一下，如有疑问，欢迎关注留言！！！