【数据科学】05 数据合并（merge、concat、combine）与数据清洗（缺失值、重复值、内容和格式）

---

1. 数据合并

实际应用中，需要分析的数据可能来自不同的数据集，因此在开始数据分析之前，需要先将不同的数据集合并。
pandas中提供了三种不同的数据合并方式：

1. Pandas.merge()：数据库方式的数据连接，可根据一个或多个键，将不同DataFrame对象的行连接起来；
2. Pandas.concat()：轴向数据连接,沿着一条轴，将多个DataFrame对象堆叠到一起；
3. Pandas.combine()：用一个DataFrame对象中的数据填充另一个DataFrame对象中的缺失数据。

1.1 merge()合并

pd.merge(left,right,[参数列表])

参数	说明
left	参与合并的左侧DataFrame对象，必填
right	参与合并的右侧DataFrame对象，必填
how	连接方式，“inner”、“outer”、“left”、“right”其中之一，默认为“inner”
on	用于连接的列名（或列名列表）;未指定改参数时，为左右数据集的公共列
left_on	左侧DataFrame对象中用于连接的键
right_on	右侧DataFrame对象中用于连接的键
left_index	布尔型，是否将左侧DataFrame对象的行索引用作连接键
right_index	布尔型，是否将右侧DataFrame对象的行索引用作连接键
sort	是否根据连接键对合并后的数据排序，默认为True
suffixes	字符串值元组，用于追加到重叠列名的末尾，默认为‘_x’和‘_y’

inner：内连接，连接两个DataFrame对象键值的交集的行
outer：外连接，连接两个DataFrame对象键值的并集的行
left：左链接，取出左侧DataFrame对象的全部行，连接右侧DataFrame对象键值匹配的行
right：右链接，取出右侧DataFrame对象的全部行，连接左侧DataFrame对象键值匹配的行

1.2 concat()合并

pd.concat(objs,axis,[参数列表])

参数	说明
objs	需要连接的对象，如[df1, df2]
axis	连接的轴，默认为0；axis=0，按行堆叠；axis=1，按列堆叠
join	默认为“outer”，outer为并集/inner为交集
ignore_index	ignore_index 忽略需要连接的frame本身的index，当原本的index没有特别意义的时候可以使用
join_axes	Index对象列表，用于其他n-1轴的特定索引，而不是执行内部/外部设置逻辑
keys	可以给每个需要连接的df一个label
levels	序列列表，默认值无；用于构建MultiIndex的特定级别（唯一值）
names	list，default无，结果层次索引中的级别的名称
verify_integrity	boolean，default False；检查新连接的轴是否包含重复项
copy	boolean，default True

1.3 combine()合并

• df1.combine_first(df2)