python进行数据分析

合并数据集

数据库的合并（merage)与连接（join)运算是通过一个或多个键将行链接起来的

• 默认情况下，merage做的是"inner"连接，结果中的键是交集

df1 = DataFrame({'key' : ['b','b','a','c','a','a','b'],'data1' : range(
    ...: 7)})
   
 df2 = DataFrame({'key' : ['a','b','d'],'data2' : range(3)})

  pd.merge(df1,df2)    

• 改变以下df2

df2 = DataFrame({'key' : ['a','b','c'],'data2' : range(3)})

pd.merge(df1,df2) 

• 如果没有指明用哪个列进行连接，merge就会将重叠的列名当作键

df1 = DataFrame({'key' : ['b','b','a','c','a','a','b'],'data' : range(7
    ...: )}) 

df2 = DataFrame({'key' : ['a','b','c'],'data' : range(3)})   

pd.merge(df1,df2,on = 'data')   

• 默认情况下可将多个重叠列名当键

pd.merge(df1,df2) 

• 当然，当两个对象的列名不同时，可以分别进行指定

 df1 = DataFrame({'key' : ['b','b','a','c','a','a','b'],'data1' : range(
    ...: 7)}) 

df2 = DataFrame({'key' : ['a','b','c'],'data2' : range(3)})  

pd.merge(df1,df2,left_on = 'data1',right_on = 'data2')   

• merge还有其他连接方式，如 ‘left’.‘right’.‘outer’

df2 = DataFrame({'key' : ['a','b','d'],'data2' : range(3)})

pd.merge(df1,df2,how = 'outer')   

pd.merge(df1,df2,how = 'left') 

pd.merge(df1,df2,how = 'left') 

• 前面讲的都是df2每个元素只有一个的情况，当多对多连接时，进行的是行的笛卡尔积

df1 = DataFrame({'key' : ['b','b','a','c','a','b'],'data1':range(6)}) 

df2 = DataFrame({'key':['a','b','a','b','d'],'data2':range(5)})  

pd.merge(df1,df2,on='key',how = 'left')