pandas 合并表（concat + merge）并存储单行单列，多行多列

写在前面

• 通常们需要进行多表合并操作，合并后有需要把处理后的表存储回去。
• merge 通常按指定行进行合并，可以理解为Exel中的vlookup函数。
• concat 通常按列名或行名合并，通过axis参数指定，可以用于新增多行或者多列（新增单行单列不需要这样麻烦，但新增多行多列建议使用concat）

1. merge

1.1参数详解

• how 默认为inner，可设为inner/outer/left/right
• on 根据某个字段进⾏连接，必须存在于两个DateFrame中（若未同时存在，则需要分别使⽤left_on和right_on来设置）
• left_on 左连接，以DataFrame1中⽤作连接键的列
• right_on 右连接，以DataFrame2中⽤作连接键的列
• left_index 将DataFrame1⾏索引⽤作连接键
• right_index 将DataFrame2⾏索引⽤作连接键
• sort 根据连接键对合并后的数据进⾏排列，默认为True
• suffixes 对两个数据集中出现的重复列，新数据集中加上

1.2 参考链接

https://blog.csdn.net/bqw18744018044/article/details/79944544

2. concat (新增行列比较好用)

2.1 参数详解

• objs：要进行拼接的pandas对象，可用中括号[]将两个或多个对象括起来
• axis：指定对象按照那个轴进行拼接，默认为0（纵向拼接），1为横向横向拼接
• join：拼接的方式，inner为交集，outer为并集
• join_axes：index的列表，仅在横向合并时使用，指明要将数据合并入哪个原表的index。
• ignore_index：默认为False，如果设置为true，则无视表原来的轴标签，直接合并，合并后生成新的轴标签。
• keys：表标识的列表，用来区分合并的表来自哪里。

2.2 参考链接

https://www.jb51.net/article/206970.htm
https://blog.csdn.net/nilingxi/article/details/123841413

2.3 实际场景

• 工作时 用来更新数据， 代码只给了片段，所以给了较多注释
• 有需要具体案例的私信

# 新加的多列， 先转化为同列名名的 dataframe对象
# increase_row 是上文代码构建的二维数组
new_rows = pd.DataFrame(increase_row, columns=df2.columns)
# 默认安列名合并 
# [df2, new_rows] 两个合并的dataframe对象 一定要这样放
new_df = pd.concat([df2, new_rows], axis=0, ignore_index=True)
# 存储会原表 dict_config["update_file"] 这里自己写成配置文件了，
new_df.to_excel(dict_config["update_file"], sheet_name='sheet1',
                        index=False, header=True)

3. 存储单行单列 修改单个值

• 这部分相对比较简单，以下参考链接已经比较完善，就不做额外补充

https://www.jb51.net/article/163904.htm

4.合并两列数据多种方法

https://www.delftstack.com/zh/howto/python-pandas/how-to-combine-two-columns-of-text-in-dataframe-in-pandas/