使用Pandas对Excel进行合并操作（concat、append、merge、join）

一、concat

concat基本作用就是可以将header相同的sheet表进行合并
默认合并方式是竖直方向合并，axis参数为1的话是水平方向进行合并。
合并的时候注意是根据header合并还是相同的index合并

import pandas as pd

n=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']},index=['a','b'])
s=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']},index=['c','d'])
out = pd.concat([n, s])
print(out)

n=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']},index=['a','b'])
s=pd.DataFrame({'C':['A0','A1'],'D':['B0','B1']},index=['a','b'])
out = pd.concat([n, s], axis=1)
print(out)

默认竖直方向（axis=0）
    A   B
a  A0  B0
b  A1  B1
c  A0  B0
d  A1  B1
axis=1为水平方向
    A   B   C   D
a  A0  B0  A0  B0
b  A1  B1  A1  B1

join可以选择inner或outer来决定取交集还是并集。

n=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']},index=['a','b'])
s=pd.DataFrame({'C':['A0','A1'],'D':['B0','B1']},index=['b','d'])


out = pd.concat([n, s], join='outer', axis=1)
print(out)

out = pd.concat([n, s], join='inner', axis=1)
print(out)

     A    B    C    D
a   A0   B0  NaN  NaN
b   A1   B1   A0   B0
d  NaN  NaN   A1   B1

    A   B   C   D
b  A1  B1  A0  B0

二、append

该函数和conca差不多。算是简化版的concat。默认竖直方向。

import pandas as pd

n=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']}, index=['a','b'])
s=pd.DataFrame({'A':['C0','C1'],'B':['D0','D1']}, index=['c','d'])

out = n.append(s)
print(out)

    A   B
a  A0  B0
b  A1  B1
c  C0  D0
d  C1  D1

三、merge

这里比较重要的两个参数是how和on（这里是以header为链接键）。
若以index为链接键，需要同时设置left_index= True 和 right_index= True，或者left_index设置的同时，right_on指定某个Key。总的来说就是需要指定left、right链接的键，可以同时是key、index或者混合使用。

on、how

import pandas as pd


n = pd.DataFrame({'key': list('abcdef'), 'data1': list('qwerty')})
s = pd.DataFrame({'key': ['a', 'b', 'c'], 'data2': ['s', 'ss', 'sss']})

# how 的参数可以为 left right outer inner
out = pd.merge(n, s, on='key',how='left')
print(out)

  key data1 data2
0   a     q     s
1   b     w    ss
2   c     e   sss
3   d     r   NaN
4   e     t   NaN
5   f     y   NaN

left_index、right_index

import pandas as pd


n = pd.DataFrame({'key': list('abcdef'), 'data1': list('qwerty')},index=['1','2','3','4','5','6'])
s = pd.DataFrame({'key': ['a', 'b', 'c'], 'data2': ['s', 'ss', 'sss']}, index=['1','3','5'])

# how 的参数可以为 left right outer inner
out = pd.merge(n, s, how='inner',left_index=True,right_index=True)
print(out)

out = pd.merge(n, s, how='outer',left_index=True,right_index=True)
print(out)

  key_x data1 key_y data2
1     a     q     a     s
3     c     e     b    ss
5     e     t     c   sss

  key_x data1 key_y data2
1     a     q     a     s
2     b     w   NaN   NaN
3     c     e     b    ss
4     d     r   NaN   NaN
5     e     t     c   sss
6     f     y   NaN   NaN

index、on

import pandas as pd


n = pd.DataFrame({'key1': list('123456'), 'data1': list('qwerty')})
s = pd.DataFrame({'key2': ['a', 'b', 'c'], 'data2': ['s', 'ss', 'sss']}, index=['1','3','5'])

# how 的参数可以为 left right outer inner
out = pd.merge(n, s, how='outer',left_on='key1',right_index=True)
print(out)

  key1 data1 key2 data2
0    1     q    a     s
1    2     w  NaN   NaN
2    3     e    b    ss
3    4     r  NaN   NaN
4    5     t    c   sss
5    6     y  NaN   NaN

四、join

分为 left、right、inner、outer。

import pandas as pd


n=pd.DataFrame({'A':['A0','A1'], 'B':['B0','B1'], 'E': ['C0','C1'] }, index=['a','c'])
s=pd.DataFrame({'C':['C0','C1'],'D':['D0','D1']},index=['c','d'])

# how 的参数可以为 left right outer inner
out = n.join(s, how='right')
print(out)
out = n.join(s, how='left')
print(out)
out = n.join(s, how='inner')
print(out)
out = n.join(s, how='outer')
print(out)

     A    B    E   C   D
c   A1   B1   C1  C0  D0
d  NaN  NaN  NaN  C1  D1

    A   B   E    C    D
a  A0  B0  C0  NaN  NaN
c  A1  B1  C1   C0   D0

    A   B   E   C   D
c  A1  B1  C1  C0  D0

     A    B    E    C    D
a   A0   B0   C0  NaN  NaN
c   A1   B1   C1   C0   D0
d  NaN  NaN  NaN   C1   D1