Pandas中的join()合并数据方法

根据行索引合并数据
       join方法能通过索引或指定列来连接DataFrame，语法格式如下：
      join(other，on=None，how=“left”，lsuffix=" “，rsuffix=” "，sort=False)

上述方法参数表示的含义如下：

1. on：用于连接名。      //如果两个表中行索引和列索引重叠，那么当使用join()方法进行合并时，使用参数on指定重叠的列名即可
2. how：可以从{“left”，“right”，" outer"，“inner”} 中任选一个，默认使用left的方式。
3. lsuffix：接收字符串，用于在左侧重叠的列名后添加后缀名。
4. rsuffix：接收字符串，用于在右侧重叠的列名后添加后缀名。
5. sort：接收布尔值，根据连接键对合并的数据进行排序，默认为False。

      join()方法默认使用的左连接方式，即以左表为基准，join()方法进行合并后左表的数据会全部展示。

接下来通过代码演示：

      例子1 join()使用默认连接方法和外连接方法：

import pandas as pd
left=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']},index=['a','b'])
right=pd.DataFrame({'C':['C0','C1'],'D':['D0','D1']},index=['c','d'])

left

right

left.join(right)           #默认为左连接

left.join(right,how='outer')

      例子2 行索引和列索引重叠时on的方法：

import pandas as pd         #两个表中的行索引和列索引重叠,使用join方法进行合并,使用参数on指定重叠的列名
left=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1'],'key':['k1','k2']},index=['a','b'])
right=pd.DataFrame({'C':['C0','C1'],'D':['D0','D1']},index=['k1','k2'])

left.join(right,on='key',how='left')

      例子3 lsuffix参数的用法：

import pandas as pd            
jk=pd.DataFrame({'A':['a','a1','a2'],'B':['b','b1','b2'],'C':['c','c1','c2']})     
jk1=pd.DataFrame({'B':['ab','ab1','ab2'],'E':['e','e1','e2'],'C':['c','c1','c2']})

jk

jk1

jk.join(jk1,lsuffix='_hkjlj')         #lsuffix左侧重复的列名添加后缀名,如_kjkj,前面要加   "_"

      例子4 rsuffix参数的用法：

jk

jk1

jk.join(jk1,rsuffix='_hkjlj')           #rsuffix右侧重复的列名添加后缀名

---

作者：KJ.JK
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。
文章对你有所帮助的话，欢迎给个赞或者 star 呀，你的支持是对作者最大的鼓励，不足之处可以在评论区多多指正，交流学习呀。