Python-pandas：数据合并merge函数用法详解

一、语法格式

介绍一下数据分析中很常用的一个函数——merge，它能够进行高效的数据合并操作。先看一下语法格式及其初步解释：

pd.merge(left: 'DataFrame | Series',  # 左右两个需要合并的DataFrame对象。  
         right: 'DataFrame | Series',
         how: 'str' = 'inner',  # 要执行的合并类型，从{'left','right','outer','inner','cross'}中取值，默认为'inner'。
         on: 'IndexLabel | None' = None,  # 用于连接的键（即列标签名），该键必须存在于左右两个DataFrame中。若没有指定，则以列名的交集作为连接键。
         left_on: 'IndexLabel | None' = None, 
         right_on: 'IndexLabel | None' = None,  # 指定左右DataFrame对象中作为连接键的列名。适用于左右拟连接列名称有差异时。
         left_index: 'bool' = False,
         right_index: 'bool' = False,  # 和上，将左右frame的索引作为连接键，进行数据合并。
         sort: 'bool' = False,  # DataFrame对象结果中，按词典顺序排序，默认False。
         suffixes: 'Suffixes' = ('_x', '_y'),  # 当左右DataFrame存在相同列名时，通过该参数为其添加后缀。
         copy: 'bool' = True,
         indicator: 'bool' = False,  # 输出结果中添加_merge列，表明每一行使用的左右键来源情况。
         validate: 'str | None' = None  # 验证连接键在左侧、右侧或两侧是否唯一，即'1:1','1:m','m:1'。
        )

二、举例解释

（一）首先生成两个DataFrame对象，以供我们案例使用：

dep_inf = {'部门':['业务一部','业务二部','业务三部','办公室'],
           '城市': ['深圳','上海','北京','广州'],
           '部门名称':['业务一部','业务二部','业务三部','办公室']}
emp_inf = {'姓名':['张飞','赵云','金莲','关习','和珅','宋江'],
           '学历':['本科','硕士','本科','本科','博士','硕士'],
           '部门':['业务一部','业务一部','业务二部','业务三部','业务三部','业务四部'],
           '城市':['北京','深圳','广州','上海','深圳','深圳']}
df_d = pd.DataFrame(dep_inf)
df_e = pd.DataFrame(emp_inf)

生成的两个DataFrame对象如下：

（二）下面举个栗子，介绍一下主要参数

1、参数left,right：

将df_d作为左侧的frame，df_e作为右侧的frame，则参数left=df_d，right=df_e；

2、参数how：

当参数how='left'：仅使用左侧frame的键；
当参数how='right'：仅使用右侧frame的键；
当参数how='outer'：使用左右两侧frame的键的并集；
当参数how='inner'：使用左右两侧frame的键的交集；

3、参数on：

df_d，df_e中都有“部门”列（键），则使用“部门”作为连接键，即参数on='部门'。

下面就以“部门”作为连接键，顺便看一下参数how的效果。

pd.merge(df_d, df_e, how='left',on='部门',indicator=True)
pd.merge(df_d, df_e, how='right',on='部门',indicator=True)
pd.merge(df_d, df_e, how='inner',on='部门',indicator=True)
pd.merge(df_d, df_e, how='outer',on='部门',indicator=True)

4、参数indicator：

在输出结果中添加_merge列，表明每一行使用的左右键来源情况，如上图所示。

同时，可以看一下merge参数的结果_merge列加深对参数how的理解。

5、参数left_on,right_on：

这两个参数其实和参数'on'是同一性质，当左右两个frame的连接键的名字相同时，可以直接用参数‘on’。但是如果像本例中，左侧frame键名为“部门名称”（假设左侧frame中没有“部门这一列”）,右侧frame键名为“部门”，但是其内容实质相同。此时就用left_on和right_on参数以替代参数on。

 6、参数suffixes：

该参数默认suffixes = ('_x', '_y')，所以命令中未写。

当左右frame存在相同列名时，通过该参数为其添加后缀。因为左侧frame和右侧frame均有城市、部门列，因此为了防止相同列互相覆盖，给左右两侧的列加了后缀_x和_y以保留数据。当然这个_x和_y是默认后缀，你也可以根据需要修改为其他形式。

其他参数请参照本文第一部分：语法格式中的解释。

<原创内容，引用请注明出处>