129、pandas操作——合并数据集

数据集的合并（merge）或连接（join)运算是通过一个或多个键将行链接起来。

pandas.merge可根据一个或多个键将不同DataFrame中的行连接起来。例如： 1.png 下面是多对一合并，df1中的数据有多个被标记为a和b的行，而df2中key列的每个值则对应一行： 2.png 如果没有指定，merge就会将重叠的列名当做键，一般显式指定： 3.png 如果两个对象的列名不同，需要分别进行指定： 4.png

上面操作的结果里，lkey中的’c’和rkey中的’d’及其对应的值已经消失，这是因为默认情况下，merge做的是“inner”连接，即结果中的键是交集。连接方式是用参数how来指定，包括“left”、“right”以及“outer”。

下面是外连接求取的是键的并集： 5.png 多对多的合并操作，产生的是行的笛卡尔积： 6.png 左右连接中左边的DataFrame有3个“b”行，右边的有2个，所以最终结果有6个“b”行。连接方式只影响出现在结果中的键： 7.png 键的交集： 8.png 多个键进行合并，传入一个有列名组成的列表即可： 9.png

注意：在进行列-列连接时，DataFrame对象中的索引会丢弃。

对重复列名的处理，使用suffixes选项，用于指定附加到左右两个DataFrame对象的重叠列名上的字符串： 10.png merge函数的参数： 11.png 12.png 13.png

源码：

# coding: utf-8

# In[1]:

import numpy as np
from pandas import Series,DataFrame
import pandas as pd


# In[2]:

df1 = DataFrame({'key':['c','d','a','b','c'],'data1':range(5)})
print(df1)


# In[3]:

df2 = DataFrame({'key':['a','b','c'],'data2':range(3)})
print(df2)


# In[4]:

# 多对一合并
pd.merge(df1,df2)


# In[5]:

# 显式指定列名当做键
pd.merge(df1,df2,on='key')


# In[6]:

# 如果两个对象的列名不同，需要分别指定
df3 = DataFrame({'lkey':['b','b','a','c','a','a','b'],'data1':range(7)})
df4 = DataFrame({'rkey':['a','b','d'],'data2':range(3)})
pd.merge(df3,df4,left_on='lkey',right_on='rkey')   


# In[7]:

# 外连接求取键的并集
pd.merge(df1,df2,how='outer')


# In[8]:

# 多对多的合并
df1 = DataFrame({'key':['b','b','a','c','a','b'],'data1':range(6)})
print(df1)


# In[9]:

df2 = DataFrame({'key':['a','b','a','b','d'],'data2':range(5)})
print(df2)


# In[10]:

# 左连接
pd.merge(df1,df2,on='key',how='left')


# In[12]:

# 右连接
pd.merge(df1,df2,on='key',how='right')


# In[13]:

# 键的交集
pd.merge(df1,df2,how='inner')


# In[14]:

# 多个键合并
left = DataFrame({'key1':['foo','foo','bar'],
                  'key2':['one','two','one'],
                  'lval':[1,2,3]})
right = DataFrame({'key1':['foo','foo','bar','bar'],
                   'key2':['one','one','one','two'],
                   'rval':[4,5,6,7]})
pd.merge(left,right,on=['key1','key2'],how='outer')


# In[15]:

# 使用suffixes选项对重复列名进行处理
pd.merge(left,right,on='key1')


# In[16]:

pd.merge(left,right,on='key1',suffixes=('_left','_right'))