df合并问题

一、 merge

pd.merge(l_df, data_df, how="outer", on="date").sort_values(["date"], ascending=False)

sort_values： 对date字段排序，

ascending：正序（true）

* 注意： outer 存在将填充的数据放在最后的情况

（1）merge只能用于两张表的连接，若有多个，则需不断两两合并实现。
（2）两张表有相同内容的一列，根据这一列将两张表进行合并，合并表的列数等于两张数据表列数和减去连接键的数量。

参数	说明
how	默认为inner，可设为inner/outer/left/right
on	根据某个字段进行连接，必须存在于两个DateFrame中（若未同时存在，则需要分别使用left_on和right_on来设置）
left_on	左连接，以DataFrame1中用作连接键的列
right_on	右连接，以DataFrame2中用作连接键的列
left_index	将DataFrame1行索引用作连接键
right_index	将DataFrame2行索引用作连接键
sort	根据连接键对合并后的数据进行排列，默认为True
suffixes	对两个数据集中出现的重复列，新数据集中加上后缀_x,_y进行区别

二、join 

left2.join(right2,how='outer') #直接实现按索引合并
left1.join(right1,on='key')  #是merge里的outer联结

 无重复列名的两个表基于行索引进行拼接，直接使用df1.join(df2),合并后的行数与df1相同，合并后的列数为df1+df2之和。

三、concate

pandas.concat(objs, axis=0, join='outer', ignore_index=False,
             keys=None, levels=None, names=None, verify_integrity=False, 
            sort=None, copy=True) 

（1）objs：对象，一般为df或者series
（2）axis：拼接方向，默认为0，行拼接，若axis=1，则为列拼接
（3）join：默认为outer表示并集，inner表示交集
（4）ignore_index=True：重建索引
（5）keys：创建层次化索引

1.2 常用功能
（1）两张表列数一致，只是需要将行数简单拼接时：pd.concat([df1,df2])，

          效果与   df1.append(df2)相当。
（2）两张表行数一致，只需要列简单拼接时：pd.concate([df1,df2],axis=1),

         效果与pd.merge(df1,df2,left_index=True,right_index=True,how=‘outer’)相当
（3）两张表按行拼接，只想保留列索引相同的列，则how=‘inner’。
（4）两张表按列拼接，只想保留行索引相同的行，则how=‘inner’。

 

三、参考

1. Pandas教程 | Merge数据合并图文详解 - 知乎 (zhihu.com)
2. Pandas的Merge实现 - 简书 (jianshu.com)