Pandas中DataFrame數據合並、連接（concat、merge、join）之merge

二、merge：通過鍵拼接列

類似於關系型數據庫的連接方式，可以根據一個或多個鍵將不同的DatFrame連接起來。

該函數的典型應用場景是，針對同一個主鍵存在兩張不同字段的表，根據主鍵整合到一張表里面。

merge(left, right, how='inner', on=None, left_on=None, right_on=None,  
      left_index=False, right_index=False, sort=True,  
      suffixes=('_x', '_y'), copy=True, indicator=False)

 

   參數介紹：

     left和right：兩個不同的DataFrame；

     how：連接方式，有inner、left、right、outer，默認為inner；

     on：指的是用於連接的列索引名稱，必須存在於左右兩個DataFrame中，如果沒有指定且其他參數也沒有指定，則以兩個DataFrame列名交集作為連接鍵；

     left_on：左側DataFrame中用於連接鍵的列名，這個參數左右列名不同但代表的含義相同時非常的有用；

     right_on：右側DataFrame中用於連接鍵的列名；

     left_index：使用左側DataFrame中的行索引作為連接鍵；

     right_index：使用右側DataFrame中的行索引作為連接鍵；

     sort：默認為True，將合並的數據進行排序，設置為False可以提高性能；

     suffixes：字符串值組成的元組，用於指定當左右DataFrame存在相同列名時在列名后面附加的后綴名稱，默認為('_x', '_y')；

     copy：默認為True，總是將數據復制到數據結構中，設置為False可以提高性能；

     indicator：顯示合並數據中數據的來源情況

 

 案例1

import  pandas as pd
import numpy  as np
random = np.random.RandomState(0)  #隨機數種子，相同種子下每次運行生成的隨機數相同
df1=pd.DataFrame(random.randn(3,4),columns=['a','b','c','d'])
df1

random = np.random.RandomState(0)
df2=pd.DataFrame(random.randn(2,3),columns=['b','d','a'],index=["a1","a2"])
df2

 

pd.merge(df1,df2)

pd.merge(df1,df2,how="outer")

案例2 默認按相同的列名鍵join

df3=pd.DataFrame({'key':['a','b','b'],'data1':range(3)})
df3

df4=pd.DataFrame({'key':['a','b','c'],'data2':range(3)})
df4

 

pd.merge(df3,df4)

 

 

 案例三

df1 = pd.DataFrame({'lkey': ['foo', 'bar', 'baz', 'foo'],
                   'value': [1, 2, 3, 5]})
df1

df2 = pd.DataFrame({'rkey': ['foo', 'bar', 'baz', 'foo'],
                    'value': [5, 6, 7, 8]})
df2

df1.merge(df2)

Merge df1 and df2 on the lkey and rkey columns. The value columns have the default suffixes, _x and _y, 

df1.merge(df2,left_on="lkey",right_on="rkey")

 

>>> df1.merge(df2, left_on='lkey', right_on='rkey', suffixes=(False, False))
Traceback (most recent call last):
...
ValueError: columns overlap but no suffix specified:
    Index(['value'], dtype='object')