pandas笔记（9）——多表连接

最新推荐文章于 2024-06-07 20:32:05 发布

千夜道人

最新推荐文章于 2024-06-07 20:32:05 发布

阅读量1.9k

点赞数 1

分类专栏： Pandas

本文链接：https://blog.csdn.net/weixin_44830542/article/details/108590593

版权

本文详细介绍了Pandas中的多表连接方法，包括横向连接（merge）和纵向连接（concat）。merge()方法支持类似SQL的连接方式，如left、right、outer和inner连接，可以根据指定列或索引进行连接。而concat()方法则用于纵向连接，通过axis参数也可实现横向连接。文中通过实例展示了各种连接方式及其参数的使用，包括连接列的选择、列名处理、索引的使用以及连接方式的影响等。

摘要由CSDN通过智能技术生成

多表横向连接——merge()

Python中使用merge()方法来实现多表的横向连接，根据参数how的值，可以进行类似sql中的左右内外的连接方式。

格式：
merge ( left, right, how: str = ‘inner’, on=None, left_on=None, right_on=None, left_index: bool = False, right_index: bool = False, sort: bool = False, suffixes=(’_x’, ‘_y’), copy: bool = True, indicator: bool = False, validate=None )
参数：
left：被链接的左表
right：被链接的右表
how：表的连接方式，类似sql。有{‘left’, ‘right’, ‘outer’, ‘inner’},四种，默认 inner
on：两个表进行连接的参照列，为默认值None时，
left_on：左侧表连接匹配列
right_on：右侧表连接匹配列
left_index：左侧表连接索引
right_index：右侧表连接索引
sort：对结果表进行排序
suffixes：对于两个表都有重复列，自动添加’_x’, '_y’后缀
indicator：在结果表中增加一列，用于显示数据来自哪个表中
创建DataFrame

import pandas as pd 
df1 = pd.DataFrame({
   "id":range(5),"姓名":list('abcde')})
df2 = pd.DataFrame({
   "id":range(5),"成绩":[95,84,66,85,71]})
df3 = pd.DataFrame({
   "id":[1,1,2,3,3,3,4,4,0],"成绩":[95,84,63,68,87,75,68,97,58]})
print(df1)
print(df2)
print(df3)

# 返回
	id	姓名
0	0	a
1	1	b
2	2	c
3	3	d
4	4	e

	id	成绩
0	0	95
1	1	84
2	2	66
3	3	85
4	4	71

	id	成绩
0	1	95
1	1	84
2	2	63
3	3	68
4	3	87
5	3	75
6	4	68
7	4	97