一、merge函数用途
pandas中的merge()函数类似于SQL中join的用法，可以将不同数据集依照某些字段（属性）进行合并操作，得到一个新的数据集。
二、merge()函数的具体参数
用法：
|
1
|
DataFrame1.merge(DataFrame2, how=‘inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', ‘_y')) |
参数说明
| 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 |
三、merge用法举例
创建两个数据框
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#利用字典dict创建数据框dataDf1=pd.DataFrame({'lkey':['foo','bar','baz','foo'], 'value':[1,2,3,4]})dataDf2=pd.DataFrame({'rkey':['foo','bar','qux','bar'], 'value':[5,6,7,8]})print(dataDf1)print(dataDf2)>>> lkey value0 foo 11 bar 22 baz 33 foo 4 rkey value0 foo 51 bar 62 qux 73 bar 8 |
内连接(Inner)
|
1
2
3
4
5
6
7
8
|
#inner链接dataLfDf=dataDf1.merge(dataDf2, left_on='lkey',right_on='rkey')>>> lkey value_x rkey value_y0 foo 1 foo 51 foo 4 foo 52 bar 2 bar 63 bar 2 bar 8 |
右链接(Right)
|
1
2
3
4
5
6
7
8
9
|
#Right链接dataDf1.merge(dataDf2, left_on='lkey', right_on='rkey',how='right')>>> lkey value_x rkey value_y0 foo 1.0 foo 51 foo 4.0 foo 52 bar 2.0 bar 63 bar 2.0 bar 84 NaN NaN qux 7 |
全链接(Outer)
|
1
2
3
4
5
6
7
8
9
10
|
#Outer链接dataDf1.merge(dataDf2, left_on='lkey', right_on='rkey', how='outer')>>> lkey value_x rkey value_y0 foo 1.0 foo 5.01 foo 4.0 foo 5.02 bar 2.0 bar 6.03 bar 2.0 bar 8.04 baz 3.0 NaN NaN5 NaN NaN qux 7.0 |
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/MsSpark/article/details/83098468
