Python数据分析常用函数merge

幼稚园恶霸

merge函数位于pandas库中，用于合并连接DateFrame或者Series，其中Series对象可视为DataFrame的一个单列。pd.merge(df1,df2,how='inner',on=None,left_on=None,right_on=None,left_index=None,right_index=None,sort=None,suffixes=('_x','_y'),copy=None,indicator=None,validate=None)参数如下：df1：DataFrame或者已命名的Series        拼接的DataFrame1，哪个表在前则为左表df2：DataFrame或者已命名的Series        拼接的DataFrame2，哪个表在后则为右表how：{‘left’,‘right’,‘outer’,‘inner’,‘cross’}，默认为 ‘inner’    left：仅使用左DataFrame的字典，类似于SQL的左连接，保留字典的排序        right：仅使用右DataFrame的字典，类似于SQL的右连接，保留字典的排序        outer：使用两DataFrame字典的并集，类似于SQL的外连接，按照字典顺序排序    inner：使用两DataFrame字典的交集，类似于SQL的内连接，保留左DataFrame字典顺序    cross：创建两DataFrame的笛卡尔乘积，保留左DataFrame字典顺序on：标签或列表        需要连接的列，必须在左DataFrame和右DataFrame中同时存在。如果on值为None且left_index和right_index为False，默认名字相同的字段连接。left_on：标签或列表    左DataFrame需要连接的列或索引级别键（列标签）right_on：标签或列表    右DataFrame需要连接的列或索引级别键（列标签）left_index：bool，默认为False        如果为True，则使用左表中的行标签作为其连接键。对于多级索引的表，级别数必须与右表的连接键数相匹配。right_index：bool，默认为False    与left_index类似sort：布尔值，默认为False    对输出DataFrame的字典进行排序。如果为False，则根据其连接方式进行排序。suffixes：        用于重叠列的字符串后缀元组。默认为（‘x’，’ y’）copy：bool，默认为False    复制传递对象indicator：bool或str，默认为False    如果为True，添加一列名为“_merge”到输出的DataFrame，其中包含各行的数据来源。“_merge”包括三种分类：left_only、right_only、both，其中left_only指合并键仅出现在左DataFrame，right_only指合并键仅出现在右DataFrame，both指合并键在左右DataFrame都有。如果indicator输入的是str，该列被命名对应的str值。validate：str，可选择的，默认为None    检查merge是否为特定类型    “one_to_one”或“1:1”：检查合并键在左DataFrame和右DataFrame内是否唯一        “one_to_many”或“1:m”：检查合并键在左DataFrame内是否唯一        “many_to_one”或“m:1”：检查合并键在右DataFrame内是否唯一        “many_to_many”或“m:m”：但不会引发检查实例：1、创建DataFrame，或者导入数据表。importpandasaspddf1=pd.DataFrame({'姓名':['张三','李四','王五','赵六','boss'],'职位':['总经理','组长','业务员','实习生','老板'],'工资':['10000','7000','5000','3000','30000']})df2=pd.DataFrame({'姓名':['张三','李四','王五','赵六','孙七'],'职位':['总经理','组长','业务员','实习生','兼职'],'上班天数':[22,22,26,22,15],'绩效':[10000,8000,6000,0,0]})'运行运行2、左连接pd.merge(df1,df2,how='left',on=['姓名','职位'])3、右连接pd.merge(df1,df2,how='right',on=['姓名','职位'])4、内连接（此时的内连接与左连接一样）pd.merge(df1,df2,how='inner',on=['姓名','职位'])5、外连接pd.merge(df1,df2,how='outer',on=['姓名','职位'])6、left_on,right_on当两个表的字段名不完全一致时，就需要用left_on和right_on。请看以下例子：df1=pd.DataFrame({'员工姓名':['张三','李四','王五','赵六','boss'],'员工职位':['总经理','组长','业务员','实习生','老板'],'工资':['10000','7000','5000','3000','30000']})df2=pd.DataFrame({'姓名':['张三','李四','王五','赵六','孙七'],'职位':['总经理','组长','业务员','实习生','兼职'],'上班天数':[22,22,26,22,15],'绩效':[10000,8000,6000,0,0]})此时df1的字段名为员工姓名、员工职位、工资，df2的字段名为姓名、职位、上班天数、绩效，显然员工姓名和姓名实际上是同一个字段，员工职位和职位也是同一个字段，所以pd.merge(df1,df2,left_on=['员工姓名','员工职位'],right_on=['姓名','职位'],how='left')7、left_index、right_indexleft_index、right_index的用法与left_on、right_on类似，它们的区别在于一个根据index匹配，一个根据column匹配。left_index、right_index需要一起使用且同时为True。pd.merge(df1,df2,left_index=True,right_index=True,how='left')事实上left_index、right_index与left_on、right_on可以混用，前提是对应的index和column的名字相同。df1=pd.DataFrame({'A':['A0','A1','A2','A3'],'B':['B0','B1','B2','B3'],'key':['X','X','Y','Y']})df2=pd.DataFrame({'C':['C0','C1'],'D':['D0','D1']},index=['X','Y'])pd.merge(df1,df2,right_index=True,left_on='key',how='right')8、sortsort对连接的键值进行排序，sort为True时进行排序，False时保留原来的排序。importpandasaspddf1=pd.DataFrame({'员工姓名':['张三','李四','王五','赵六','boss'],'员工职位':['总经理','组长','业务员','实习生','老板'],'工资':['10000','7000','5000','3000','30000']})df2=pd.DataFrame({'姓名':['张三','李四','王五','赵六','孙七'],'职位':['总经理','组长','业务员','实习生','兼职'],'上班天数':[22,22,26,22,15],'绩效':[10000,8000,6000,0,0]})pd.merge(df1,df2,left_on='员工姓名',right_on='姓名',how='right',sort=True)  9、suffixes当两表有名字相同的字段时，pandas自动给它们添加后缀，默认左表的字段名后面添加'_x'，右表的字段名后面添加'_y'。设置suffixes的值则修改后缀。importpandasaspddf1=pd.DataFrame({'员工姓名':['张三','李四','王五','赵六','boss'],'职位':['总经理','组长','业务员','实习生','老板'],'工资':['10000','7000','5000','3000','30000']})df2=pd.DataFrame({'姓名':['张三','李四','王五','赵六','孙七'],'职位':['总经理','组长','业务员','实习生','兼职'],'上班天数':[22,22,26,22,15],'绩效':[10000,8000,6000,0,0]})pd.merge(df1,df2,left_on='员工姓名',right_on='姓名',how='right',suffixes=('1','2'))10、indicator   indicator返回匹配的结果来源，indicator可以输入布尔值和字符串参数。indicator返回结果有以下三种情况：匹配情况返回值只有左表left_only只有右表right_only两表都有bothimportpandasaspddf1=pd.DataFrame({'员工姓名':['张三','李四','王五','赵六','boss'],'职位':['总经理','组长','业务员','实习生','老板'],'工资':['10000','7000','5000','3000','30000']})df2=pd.DataFrame({'姓名':['张三','李四','王五','赵六','孙七'],'职位':['总经理','组长','业务员','实习生','兼职'],'上班天数':[22,22,26,22,15],'绩效':[10000,8000,6000,0,0]})pd.merge(df1,df2,left_on='员工姓名',right_on='姓名',how='right',indicator=True)显然孙七只有右表才有，其他人两表都有。    将indicator设置为字符串，即将默认列名'_merge'修改成设置的名字。pd.merge(df1,df2,left_on='员工姓名',right_on='姓名',how='right',indicator='merge_result')