pandas 做合並操作-merge函數

merge

pandas的merge方法提供了一種類似於SQL的內存鏈接操作，官網文檔提到它的性能會比其他開源語言的數據操作（例如R）要高效。

merge的參數

on：列名，join用來對齊的那一列的名字，用到這個參數的時候一定要保證左表和右表用來對齊的那一列都有相同的列名。

left_on：左表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

right_on：右表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

left_index/ right_index: 如果是True的haunted以index作為對齊的key

how：數據融合的方法。

sort：根據dataframe合並的keys按字典順序排序，默認是，如果置false可以提高表現。

merge的默認合並方法： merge用於表內部基於 index-on-index 和 index-on-column(s) 的合並，但默認是基於index來合並。 

1.1 復合key的合並方法

使用merge的時候可以選擇多個key作為復合可以來對齊合並。 

1.1.1 通過on指定數據合並對齊的列

In [41]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'], ....: 'key2': ['K0', 'K1', 'K0', 'K1'], ....: 'A': ['A0', 'A1', 'A2', 'A3'], ....: 'B': ['B0', 'B1', 'B2', 'B3']}) ....: In [42]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'], ....: 'key2': ['K0', 'K0', 'K0', 'K0'], ....: 'C': ['C0', 'C1', 'C2', 'C3'], ....: 'D': ['D0', 'D1', 'D2', 'D3']}) ....: In [43]: result = pd.merge(left, right, on=['key1', 'key2'])

 

 
沒有指定how的話默認使用inner方法。

how的方法有：

left

只保留左表的所有數據

In [44]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])

right

只保留右表的所有數據

In [45]: result = pd.merge(left, right, how='right', on=['key1', 'key2'])

outer

保留兩個表的所有信息

In [46]: result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

inner

只保留兩個表中公共部分的信息

In [47]: result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

1.2 indicator

v0.17.0 版本的pandas開始還支持一個indicator的參數，如果置True的時候，輸出結果會增加一列 ’ _merge’。_merge列可以取三個值

1. left_only 只在左表中
2. right_only 只在右表中
3. both 兩個表中都有