pandas task6

第六章 连接

一、关系型连接

1.连接的基本概念

左连接，右连接，内连接，外连接。
左连接就是以左边表里的键为准，如果右边表里出现左表利的键，就添加到左表里，否则就不添加。
内连接：只合并两个表里同时出现的键。
！如果 出现重复的键怎么处理？
原则：只要两边同时出现的键，就以笛卡尔积的方式加入，如果单边出现则根据连接的形式加入。
小结：
left：参与合并的左侧DataFrame
right：参与合并的右侧DataFrame
how：inner、outer、left、right其中之一

2. 值连接

两张表根据某一列的值来连接，事实上还可以通过几列值的组合进行连接，这种基于值的连接在pandas中可以由merge函数实现，例如：

df1 = pd.DataFrame({
     'Name':['San Zhang','Si Li'], 'Age':[20,30]})
df2 = pd.DataFrame({
     'Name':['Si Li','Wu Wang'], 'Gender':['F','M']})
df1.merge(df2, on='Name', how='left')

output：

这里的合并都是用merge，以前都是用join。感觉merge更方便一些~
“merge包含了join操作，支持两个df间行方向或列方向的拼接操作，默认列拼接，取交集，而join只是简化了merge的行拼接的操作”
如果两个表中想要连接的列不具备相同的列名，可以通过left_on和right_on指定：

df1 = pd.DataFrame({
     'df1_name':['San Zhang','Si Li'], 'Age':[20,30]})
df2 = pd.DataFrame({
     'df2_name':['Si Li','Wu Wang'], 'Gender':['F','M']})
df1.merge(df2, left_on='df1_name', right_on='df2_name', how='left')

output：

如果两个表中的列出现了重复的列名，那么可以通过suffixes参数指定。例如：

df1 = pd.DataFrame({
     'Name':['San Zhang'],'Grade':[70]})
df2 = pd.DataFrame({
     'Name':['San Zhang'],'Grade':[80]})
df1.merge(df2, on='Name', how='left', suffixes=['_Chinese','_Math'])

合并张三的语文成绩和数学成绩。
出现重复元素:例如两位同学来自不同的班级，但是姓名相同，这种时候就要指定on参数为多个列使得正确连接：

df1 = pd.DataFrame({
     'Name':['San Zhang', 'San Zhang'],
                    'Age':[20, 21],
                    'Class':['one', 'two']})
df2 = pd.DataFrame({
     'Name':['San Zhang', 'San Zhang'],
                    'Gender':['F', 'M'],
                    'Class':['two', 'one']})
df1.merge(df2, on=['Name', 'Class'], how='left') # 正确的结果

在进行基于唯一性的连接下，如果键不是唯一的，那么结果就会产生问题。如果想要保证唯一性，除了用duplicated检查是否重复外，merge中也提供了validate参数来检查连接的唯一性模式。这里共有三种模式，即一对一连接1:1，一对多连接1:m，多对一连接m:1连接，第一个是指左右表的键都是唯一的，后面两个分别指左表键唯一和右表键唯一。

3.索引连接

小结：
left_index：将左侧的行索引用作其连接键的列
right_index：类似于left_index
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，默认为（’_x’,’_y’）
copy：设置为False，可以在某些我死情况下避免将数据复制到结果数据结构中，默认总是复制