不了解笛卡尔积没有关系,这里主要说明以下merge函数的一对多,多对一,一对一,多对多问题,注意这里主要指的是连接键的对应关系。
注意这里所有的代码都使用以下方式:
也就是采用左连接的方式,左边取全部,右边取部分,注意这里的左边取全部表示的是左边取全部的行,针对行而言的。
另外还有right(右边取全部的行),inner(取两者共同的行),outer(取两者行的并集),如果某一行没有某个字段,就填充NaN。
import pandas as pd
import numpy as np
data1=pd.read_excel(r'C:\Users\17621802479\Desktop\测试.xlsx',sheet_name='姓名')
data2=pd.read_excel(r'C:\Users\17621802479\Desktop\测试.xlsx',sheet_name='年龄')
data_hb=pd.merge(data1,data2,on='学号',how='left')
print(data_hb)
一对一
原始数据如下:
合并后数据为:
我们发现连接键为学号,两者的学号都是唯一的,故直接合并,没有的用NaN填充。
多对一
原始数据如下:
合并后数据为:
我们发现连接键为学号,data1中的学号有两个1,但是因为data2中的学号是唯一的,因此也是按照常规方式合并。
一对多
原始数据如下:
合并后数据为:
我们发现连接键为学号,data1中的学号有一个1,但是因为data2中的学号有两个1的,因此合并后的数据,就出现了两个1,原因就是data2中的学号1有两个,可以这样理解,你data1中有一个1,data2中有两个1,你让data1去选择哪个1合并,选哪个都不好,只有两个都选了。
多对多
原始数据如下:
合并后数据为:
我们发现连接键为学号,data1中的学号有两个1,但是data2中的学号也有两个1,因此合并后的数据,就出现了四个1,这就出现了典型的笛卡尔积的问题。
好了最后再强调一点:一对多,多对一,一对一,多对多针对的是键的内容的对应关系。不是针对其他列的,比如对于下面的一对多:
我们发现data2的学号1对应的年龄都是10,如果错误的理解一对多,多对一,一对一,多对多针对的对应关系不是键的内容的对应关系。可能会认为结果应该是只有一个学号1,但是我们根据的是键的对应,因此还是出现了两个学号1,即使年龄都是10。