Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)

通过python实现Sql中的表连接操作

一、merg实现表连接

数据准备:

import pandas as pd
import numpy as np
left = pd.DataFrame({'key':['K0','K1','K2','K3'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right = pd.DataFrame({'key':['K0','K11','K2','K31'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第1张图片Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第2张图片

1、单条件连接:merge

内连接:
# how参数不写 默认是内连接
pd.merge(left,right,on = ['key'])
pd.merge(left,right,on = ['key'],how='inner')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第3张图片

外连接(全连接):
# 外连接
pd.merge(left,right,on = ['key'],how='outer')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第4张图片

左连接:
# 左连接
pd.merge(left,right,on = ['key'],how='left')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第5张图片

右连接:
# 右连接
pd.merge(left,right,on = ['key'],how='right')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第6张图片

2、多条件连接:merge

数据准备:

#多条件关联
left1 = pd.DataFrame({'key1':['K0','K0','K1','K2'],
                      'key2':['K0','K1','K0','K1'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right1 = pd.DataFrame({'key1':['K0','K1','K1','K2'],
                       'key2':['K0','K0','K0','K0'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第7张图片Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第8张图片

内连接:
# 内连接 ,how 参数不写默认是内连接
pd.merge(left1,right1,on=['key1','key2'])
pd.merge(left1,right1,on=['key1','key2'],how = 'inner')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第9张图片

外连接(全连接):

# 外连接 
pd.merge(left1,right1,on=['key1','key2'],how= 'outer')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第10张图片

左连接:
# 左连接
pd.merge(left1,right1,on=['key1','key2'],how= 'left')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第11张图片

右连接:
# 右连接
pd.merge(left1,right1,on=['key1','key2'],how= 'right')

输出结果:Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第12张图片

二、concat实现表连接

数据准备:

df1 = pd.DataFrame(np.ones((3,4))*0,columns= ['a','b','c','d'],index=(1,2,3))
df2 = pd.DataFrame(np.ones((3,4))*11,columns= ['b','c','d','e'],index=(2,3,4))

输出结果:
在这里插入图片描述Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第13张图片

1、行连接(横向连接):

全连接:
pd.concat([df1,df2],axis=1)

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第14张图片

左连接:
pd.concat([df1,df2],axis=1,join_axes=[df1.index])

输出结果:在这里插入图片描述

右连接:
pd.concat([df1,df2],axis=1,join_axes=[df2.index])

输出结果:在这里插入图片描述

2、列连接(纵向连接):

两种方法实现:concat/append

方法1、concat
pd.concat([df1,df2],axis=0)

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第15张图片
调整索引的顺序:

pd.concat([df1,df2],axis=0,ignore_index =True)

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第16张图片

方法2、append
df1.append(df2,ignore_index=True)

输出结果:
Python中merge和concat的区别,并分别实现左连接(left join)、右连接(right join)、外连接(outer join)和内连接(inner join)_第17张图片

三、merge和concat的区别:

1、merge默认是内连接,concat默认是外连接
2、merge的参数how有left/right/inner/outer,concat的参数axis有0/1(0:列,1:行),通过concat实现左/右连接主要是跟参数写的位置有关
3、merge合并的范围广泛,可以通过索引/列关联,concat合并的范围小,只支持索引的合并

你可能感兴趣的:(Python,数据分析,Sql,Python,SQL,数据处理,数据分析,大数据)