python---pandas.merge使用

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zhouwenyuan1015/article/details/77334889

0. merge 函数参数

”’
merge: 合并数据集, 通过left, right确定连接字段,默认是两个数据集相同的字段
参数 说明
left 参与合并的左侧DataFrame
right 参与合并的右侧DataFrame
how 连接方式:‘inner’(默认);还有,‘outer’、‘left’、‘right’
on 用于连接的列名,必须同时存在于左右两个DataFrame对象中,如果位指定,则以left和right列名的交集作为连接键
left_on 左侧DataFarme中用作连接键的列
right_on 右侧DataFarme中用作连接键的列
left_index 将左侧的行索引用作其连接键
right_index 将右侧的行索引用作其连接键
sort 根据连接键对合并后的数据进行排序,默认为True。有时在处理大数据集时,禁用该选项可获得更好的性能
suffixes 字符串值元组,用于追加到重叠列名的末尾,默认为(‘_x’,‘_y’).例如,左右两个DataFrame对象都有‘data’,则结果中就会出现‘data_x’,‘data_y’
copy 设置为False,可以在某些特殊情况下避免将数据复制到结果数据结构中。默认总是赋值
”’

1.merge默认按相同字段合并,且取两个都有的。

import pandas as pd
df1=pd.DataFrame({'name':['kate','herz','catherine','sally'],
                  'age':[25,28,39,35]})

df2=pd.DataFrame({'name':['kate','herz','sally'],
                  'score':[70,60,90]})
pd.merge(df1,df2)

”’
age name score
0 25 kate 70
1 28 herz 60
2 35 sally 90

”’

2. 当左右连接字段不相同时,使用left_on,right_on

pd.merge(df1,df2,left_on="name",right_on='call_name')

”’
age name call_name score
0 25 kate kate 70
1 28 herz herz 60
2 35 sally sally 90
”’

3. 合并后,删除重复的列

pd.merge(df1,df2,left_on='name',right_on='call_name').drop('name',axis=1)

”’
age call_name score
0 25 kate 70
1 28 herz 60
2 35 sally 90

”’

4.参数how的使用

“1)默认:inner 内连接,取交集”

pd.merge(df1,df2,on='name',how='inner')

”’
age name score
0 25 kate 70
1 28 herz 60
2 35 sally 90
”’
“2)outer 外连接,取并集,并用nan填充”

df3=pd.DataFrame({'name':['kate','herz','sally','cristin'],
                  'score':[70,60,90,30]})
pd.merge(df1,df3,on='name',how='outer')    

”’
age name score
0 25 kate 70
1 28 herz 60
2 39 catherine NaN
3 35 sally 90
4 NaN cristin 30
”’

“3)left 左连接, 左侧取全部,右侧取部分”

pd.merge(df1,df3,on='name',how='left')    

”’
age name score
0 25 kate 70
1 28 herz 60
2 39 catherine NaN
3 35 sally 90
”’

“4) right 有连接,左侧取部分,右侧取全部”

pd.merge(df1,df3,on='name',how='right') 

”’
age name score
0 25 kate 70
1 28 herz 60
2 35 sally 90
3 NaN cristin 30
”’

没有更多推荐了,返回首页