pandas多表操作，groupby，时间操作

多表操作

• merge合并
  pandas.merge可根据一个或多个键将不同DataFrame中的行合并起来

pd.merge(left, right)# 默认merge会将重叠列的列名当做键，即how='inner'，有多个重复列名则选取重复列名值都相同的行

# 指定“on”作为连接键，left和right两个DataFrame必须同时存在“on”列，连接键也可N对N（少用）
pd.merge(left, right, on="key")#默认how='inner'，两个表取key的交集行，right的的列放在left列右边
pd.merge(left, right, on=["key1", "key2"])#两个表取key1，key2都相同的行，right的的列放在left列右边

pd.merge(left,  right,  left_on="key",  right_on="key")#两个表取key列行相同的行，其他重复列名变为column_x,column_y,与on='key'相同

# suffixes:用于追加到重叠列名的末尾，默认为("_x", "_y")
pd.merge(left,  right,  on="key",  suffixes=("_left",  "_right"))

# 指定连接方式：“inner”（默认），“left”，“right”，“outer”
pd.merge(left, right,on='key' how="outer")#产生以left和right的key值并集的行的dataframe

pd.merge(left_frame, right_frame, on='key', how='left')#产生以left_frame的key所有值为行的dataframe，right_frame中的key没有该值的话那些列数据为NaN

pd.merge(left_frame, right_frame, on='key', how='right')#同上相似

pd.merge(left,  right,  left_on="lkey",  right_on="rkey")#左边表lkey和右边表rkey值相同的行，所有列都显示，重复的_x,_y

• 索引上的合并（可用join代替，而且join更方便）

# 索引和索引连接
pd.merge(left,  right,  left_index=True,  right_index=True)
# "key"和索引连接
pd.merge(left,  right,  left_on="key",  right_index=True)
# 层次化索引
pd.merge(left,  right,  left_on=["key1", "key2"],  right_index=True)

• join连接

# 用left的索引和right的索引进行merge
left.join(right)

# 用left的索引和right的“key”进行merge
left.join(right， on="key")

# 层次化索引
left.join(right， on=["key1", "key"])

# join可以合并两张以上的表，而merge只能合并两张表
left.join([right1, right2], how="outer")

• concat 轴向连接
  pandas.concat可以沿着一条轴将多个表对象堆叠到一起：因为模式how模式是“outer”

# 默认 axis=0 上下拼接，列column重复的会自动合并
pd.concat([df1, df2], axis=0)

# axis=1 左右拼接，行raw/index重复的会自动合并
pd.concat([df1, df2], axis=1)

# 忽略df1和df2原来的index，重新给新的DataFrame设置从0开始的index
pd.concat([df1,df2],  ignore_index=True)

• append
  使用场景：表头一致的多张表，进行连接（上下连接）

df1.append(df2).append(df3)

• combin_first 数据填补

使用场景：有两张表left和right