Pandas的基础操作：合并数据.merge()函数的使用

刚刚使用Python学习进行数据分析，分享一些概念和想法，希望可以大家一起讨论，如果理解或者表达有不准确的地方，请多多指点，不吝赐教，非常感谢～～

上一篇介绍《Pandas的基础操作：介绍／创建／查看数据／赋值／删除》：https://blog.csdn.net/weixin_42969619/article/details/96863875
本文是继续上一篇的内容，作为第7部分：数据的合并

---

7. 合并数据

（1）直接连接两个数据使用：pd.concat([df1, df2, df2, …])

• 使用axis=0默认值合并，将数据纵向连接

df1=pd.DataFrame(np.random.randn(3,4),columns=list('ABCD'))
df2=pd.DataFrame(np.random.randn(4,3),columns=list('ACE'))

data=pd.concat([df1,df2])
data

• 使用axis=1合并，将数据横向连接

df1=pd.DataFrame(np.random.randn(3,4),columns=list('ABCD'))
df2=pd.DataFrame(np.random.randn(4,3),columns=list('ACE'))

data=pd.concat([df1,df2],axis=1)
data

需要注意的是：
在axis=0的情况下，两个数据合并是匹配“相同列名”合并，没有匹配到的列则会创建一列新数据；结构上没有值的位置用NaN补齐
在axis=1的情况下，两个数据合并是匹配“相同行名”合并，没有匹配到的行则会创建一行新数据；结构上没有值的位置用NaN补齐

（2）关联表：

应用场景通常是针对同一个主键存在两张包含不同字段的表，现在我们想把他们整合到一张表里

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

参数说明：

a. on参数：表示两个对象按哪个指定列（键名）进行合并，默认值为空，即系统会自动匹配两个对象中相同列名，将其作为“连接键”

b. 如果该列在两个对象上的列名不同，则要通过 left_on, right_on来一起指定。

c. suffixes=('_x','_y') 参数指的是，当左右对象中存在同名列（除了连接键外），在结果集中的区分方式，即分别各加一个小尾巴。

d. how参数：指的是当左右两个对象中存在不重合的列时，对数据处理方式，默认值’inner’ 代表取两对象的交集；outer 代表取两对象的并集；left 和 right 分别为取一边

使用下列数据举例：

df1=pd.DataFrame({'id':['a','b','b',"c"],"name":["A","B","B","C"],'sale':np.random.randint(5,size=4)})
df2=pd.DataFrame({"id":['c',"a","d"],"name":["C","B","D"],"brand":["AA","BB","AB"]})
df3=pd.DataFrame({"id_2":["a","b","c","d"],"name":["A","B","C","D"],"price":np.arange(4)})

df1
df2
df3

• 两组数据中有多个相同名称的列（on参数会默认全部匹配作为“连接键”）

# on参数全部匹配和传入参数“id”

pd.merge(df1,df2)
pd.merge(df1,df2,on="id")

两组数组中，虽然都有“name”列，但是对应"id"的元素给出了不同的定义；在df1表中"id=a"时对应的是"name=A"，而在df2表中，对应的是"name=B"。所以在默认将全部相同列作为“连接键”时，只有一条数据。

• 参数how的不同取值（默认是只显示重合的数据）

# 默认显示重合的数据,如上例子；对比取值为"left"/"right"；而"outer"实际上就是结合了"left"和"right"

pd.merge(df1,df2,on="id",how="left")
pd.merge(df1,df2,on="id",how="right")

• 想使用两组数据中列名各自不同的列作为“连接键”

# 使用df1和df3作为例子，其中包含相同列名"name";如果不传参数，会自动匹配"name"作为“连接键”

pd.merge(df1,df3,left_on="id",right_on="id_2")
pd.merge(df1,df3,left_on="id",right_on="id_2",how="left")
pd.merge(df1,df3,left_on="id",right_on="id_2",how="right")

• 上面很多数据数据中，由于原数据有都有"name"列，又没有将其作为“连接键”；所以展示时，出现：“name_x"和"name_y”。使用参数suffixes 提前重新命名

pd.merge(df1,df2,left_on="id",right_on="id_2",suffixes=['_customer','_order'])

（3）多表联合：df1.merge(df2).merge(df3).merge(df4)

df1.merge(df2).merge(df3)