pandas数据处理（三）---数据合并、聚合

数据合并、拼接

Pandas包的merge、join、concat方法可以完成数据的合并和拼接，merge方法主要基于两个dataframe的共同列进行合并，join方法主要基于两个dataframe的索引进行合并，concat方法是对series或dataframe进行行拼接或列拼接。

一、数据合并

1、merge

pandas的merge方法是基于共同列，将两个dataframe连接起来。merge方法的主要参数：

	pd.merge(left,right,how="inner", on=None,left_on = None,right_on = None,left_index = False, right_index = False, shuffle=("_x","_y"),copy=True,indicator=False,validate =None)

• left/right：左/右位置的dataframe。
• how：数据合并的方式。left：基于左dataframe列的数据合并；right：基于右dataframe列的数据合并
• outer：基于列的数据外合并（取并集）；inner：基于列的数据内合并（取交集）；默认为’inner’。
• on：用来合并的列名，这个参数需要保证两个dataframe有相同的列名。
• left_on/right_on：左/右dataframe合并的列名，也可为索引，数组和列表。
• left_index/right_index：是否以index作为数据合并的列名，True表示是。
• sort：根据dataframe合并的keys排序，默认是。
• suffixes：若有相同列且该列没有作为合并的列，可通过suffixes设置该列的后缀名，一般为元组和列表类型；如果列有重名，自动添加后缀，默认是("_x","_y")。
  merges通过设置how参数选择两个dataframe的连接方式，有内连接，外连接，左连接，右连接。

(1) 内连接 inner

how=‘inner’，dataframe的链接方式为内连接，我们可以理解基于共同列的交集进行连接，参数on设置连接的共有列名；
左右的表的数据都有，才会出现在结果里

# 单列的内连接
#定义数据
   df1 = pd.DataFrame({
   'alpha':['A','B','B','C','D','E'],'col1':[1,1,2,3,3,1],
               'col2':['low','medium','medium','high','low','high']})
#定义df2
   df2 = pd.DataFrame({
   'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
               'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
   print(df1)
   print(df2)
打印的数据为：
   			  alpha  col1    col2                         alpha  pazham    kilo  price
   			0     A     1     low                    0      A      apple     high    5
   			1     B     1  medium                    1      A      orange    low     6
   			2     B     2  medium                    2      B       pine     high    5   
   			3     C     3    high                    3      F       pear    medium   7
   			4     D     3     low                                           
   			5     E     1    high                                           

 #基于共同列alpha的内连接
   df3 = pd.merge(df1,df2,how='inner',on='alpha')
   print(df3)
#输出结果：取共同列alpha值的交集进行连接
   			   alpha  col1    col2  pazham  kilo  price
   			0     A     1     low   apple  high      5
   			1     A     1     low  orange   low      6
   			2     B     1  medium    pine  high      5
   			3     B     2  medium    pine  high      5

(2) 外连接

how=‘outer’，dataframe的链接方式为外连接，我们可以理解基于共同列的并集进行连接，参数on设置连接的共有列名;
左右两表的所有数据都会出现在结果里面，无法匹配则为NaN

	df3 = pd.merge(df1,df2,how='outer',on='alpha')
	print(df3)
  # 输出结果：若两个dataframe间除了on设置的连接列外并无相同列，则该列的值置为NaN。
				   alpha  col1    col2  pazham    kilo  price
				0     A   1.0     low   apple    high    5.0
				1     A   1.0     low  orange     low    6.0
				2     B   1.0  medium    pine    high    5.0
				3     B   2.0  medium    pine    high    5.0
				4     C   3.0    high     NaN     NaN    NaN
				5     D   3.0