数据分析12——Pandas中数据合并方法

0、前言：

• 在pandas中进行数据合并的操作和数据库中的join操作非常类似。

1、merge横向合并：

• 前言：该函数只能做横向合并
• 函数名：merge()
• 函数参数：
  • left: 数据类型为’DataFrame | Series’，需要进行合并的左侧数据框
  • right: 数据类型为 ‘DataFrame | Series’，需要进行合并的右侧数据框
  • how: 需要执行的合并方式（下面所说的数据框，可以理解为数据表，只解释函数使用时必须传递的参数）
    • ‘inner’：内连接，只保留左右数据框中都存在的行（类似于交集）
    • ‘outer’：外连接，保留左右数据框中所有的行，缺失部分填充NaN（类似于并集）
    • ‘left’：左连接，以左侧数据框为基准，左侧数据都会出现，右侧如果没有和左侧对应的，就填充NaN
    • ‘right’：右连接，以右侧数据框为基准，右侧数据都会出现，左侧如果没有和左侧对应的，就填充NaN
    • ‘cross’：交叉连接，如表一有三个列字段，表二有四个列字段，连接之后就是十二个列字段
  • on: 左右数据框中可以对应连接的列名，必须同时出现在左右两个数据框中（用于两边连接列名一致的情况）
  • left_on: 指定左边数据框中要连接的列名（用于两边连接列名不一致的情况）
  • right_on: 指定右边数据框中要连接的列名（用于两边连接列名不一致的情况）
  • left_index: ‘bool’ = False,
  • right_index: ‘bool’ = False,
  • sort: ‘bool’ = False,
  • suffixes: ‘Suffixes’ = (‘_x’, ‘_y’),
  • copy: ‘bool’ = True,
  • indicator: ‘bool’ = False,
  • validate: ‘str | None’ = None,
• 举例：
  

---

2、join横向合并：

• 前言：join在使用之前要将关联字段设置为行索引，具体见实例
• 函数名：表1.join()
• 函数参数：
  • other: 数据类型为’DataFrame | Series’，表示要合并的数据框
  • how: 表示要执行的操作
    • left：左连接
    • right：右连接
    • outer：外连接
    • inner：内连接
• 举例：
  

---

3、concat横向合并和纵向合并：

横向连接：

• 前言：join在使用之前要将关联字段设置为行索引，具体见实例
• 函数名：表1.concat()
• 函数参数：
  • objs: 要执行连接的数据框，通过列表的形式传入
  • axis: 要执行的连接类型，等于0为纵向合并，等于1为横向合并
  • join: 要执行的合并方式，只有两种
    • outer：外连接
    • inner：内连接
• 举例：
  

纵向连接：

• 前言：join在使用之前要将关联字段设置为行索引，具体见实例
• 函数名：表1.concat()
• 函数参数：
  • objs：要执行连接的数据框，通过列表的形式传入
  • axis：要执行的连接类型，等于0为纵向合并，等于1为横向合并
  • ignore_inde：是否忽略之前的排序，重新排序
• 举例：
  

---