今天是pandas數據處理第8篇文章，我們一起來聊聊dataframe的合並。
常見的數據合並操作主要有兩種，第一種是我們新生成了新的特征，想要把它和舊的特征合並在一起。第二種是我們新獲取了一份數據集，想要擴充舊的數據集。這兩種合並操作在我們日常的工作當中非常尋常，那么究竟應該怎么操作呢？讓我們一個一個來看。
merge
首先我們來看dataframe當中的merge操作，merge操作類似於數據庫當中兩張表的join，可以通過一個或者多個key將多個dataframe鏈接起來。
我們首先來創建兩個dataframe數據：
df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})
df2 = pd.DataFrame({'id': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})
我們可以看到這兩個dataframe當中都有id這個字段，如果我們想要將它們根據id關聯起來，我們可以用pd.merge函數完成：
這里雖然我們沒有指定根據哪一列完成關聯，但是pandas會自動尋找兩個dataframe的名稱相同列來進行關聯。一般情況下我們不這么干，還是推薦大家指定列名。指定列名很簡單，我們只需要傳入on這個參數即可。
如果需要根據多列關聯，我們也可以傳入一個數組。但假如兩個dataframe當中的列名不一致怎么辦，比如這兩個dataframe當中的一列叫做id，一列叫做number，該怎么完成join呢？
df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})
df2 = pd.DataFrame({'number': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})
這個時候就需要用left_on指定左表用來join的列名，用right_on指定右表用來join的列名。
談到join，不得不提另外一個問題就是join的方式。我們都知道在數據庫的表join操作當中我們通常的join方式有4種。分別是innner join，left join，right join和outer join。我們觀察一下上面的結果會發現關聯之后的數據條數變少了，這是因為默認的方式是inner join，也就是兩張表當中都存在的數據才會被保留。如果是left join，那邊左邊當中所有的數據都會保留，關聯不上的列置為None，同理，如果是right join，則右表全部保留，outer join則會全部保留。
join的方式選擇通過how這個參數控制，比如如果我們想要左表保留，我們傳入how='left'即可。
除此之外，merge操作還有一些其他的參數，由於篇幅限制我們不一一介紹了，大家感興趣可以去查閱相關文檔。
數據合並
另外一個常用的操作叫做數據合並，為了和merge操作區分，我用了中文。雖然同樣是合並，但是它的邏輯和merge是不同的。對於merge來說，我們需要關聯的key，是通過數據關聯上之后再合並的。而合並操作是直接的合並，行對行合並或者是列對列合並，是忽視數據的合並。
這個合並操作我們之前在numpy的介紹當中曾經也提到過，我們這里簡單回顧一下。
首先我們先創建一個numpy的數組：
import numpy as np
arr = np.random.rand(3, 4)
之后呢，我們可以用concatenate函數把這個數組橫着拼或者是豎着拼，默認是豎着拼：
我們也可以通過axis這個參數讓它變成橫着拼：
對於dataframe同樣也有這樣的操作，不過換了一個名字叫做concat。如果我們不指定的話會豎着拼接：
豎着拼接的時候會按照列進行對齊，如果列名對不上就會填充NaN。
通過axis參數我們可以讓它橫向拼接：
以上就是concat的基本用法了，除了基本用法之外，concat還有一些其他的應用，比如說處理index層次索引等等。只是這些用法相對來說比較小眾，使用頻率不高，就不贅述了。
今天的文章到這里就結束了，如果喜歡本文的話，請來一波素質三連，給我一點支持吧（關注、轉發、點贊）。
- END -