Pandas merge函数（merge函数用法python）30-慕源网

Pandas merge函数

根据业务需要，可能需要通过几个条件将两个dataframe 连接在一起。这个过程可以通过两种方式在 Pandas dataframe 中实现，一种是通过 join() 方法，另一种是通过 merge() 方法。因此，为了获得与数据库相关的所有连接技术，可以使用 merge() 方法。除了合并方法，这些连接技术也可以通过 pandas 中的 join() 方法来实现。

本文是Python Pandas教程系列的一部分，您可以点击Python Pandas使用教程查看所有。

语法和参数

pandas dataframe.merge() 的语法如下：

DataFrame.merge(self, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

参数：

right ： DataFrame或命名的Series

要合并的对象。

how：{‘left’, ‘right’, ‘outer’, ‘inner’}, 默认 ‘inner’

要执行的合并类型。

1) left：仅使用左框架中的键，

类似于SQL左外部联接；保留关键顺序

2) right：仅使用右框架中的键，

类似于SQL右外部联接；保留关键顺序

3) outer：使用两个框架中键的并集，

类似于SQL完全外部联接；按字典顺序排序键

4) inner：使用两个框架中关键点的交集，

类似于SQL内部联接；保留左键的顺序

on：label或list

要加入的列或索引级别名称。

这些必须在两个DataFrame中都可以找到。

如果on为None且未在索引上合并，

则默认为两个DataFrame中列的交集。

left_on：label或list，或类似数组

要在左侧DataFrame中加入的列或索引级别名称。

也可以是左侧DataFrame长度的数组或数组列表。

这些数组被视为列。

right_on：标签或列表，或类似数组

要在右侧DataFrame中加入的列或索引级别名称。

也可以是正确DataFrame长度的数组或数组列表。

这些数组被视为列。

left_index：布尔值，默认为False

使用左侧DataFrame中的索引作为连接键。

如果它是MultiIndex，

则另一个DataFrame中的键数（索引或列数）

必须与级别数匹配

right_index：布尔值，默认为False

使用右侧DataFrame中的索引作为连接键。

与left_index相同的警告

sort：布尔值，默认为False

在结果DataFrame中按字典顺序对联接键进行排序。

如果为False，则联接键的顺序取决于联接类型（how关键字）

suffixes：2个长度的序列（元组，列表等）

suffixes分别应用于左侧和右侧的重叠列名

copy：布尔值，默认为True

如果为False，请勿不必要地复制数据

indicator：布尔值或字符串，默认为False

如果为True，则在输出DataFrame中添加一列，

称为“_merge”，其中包含有关每一行源的信息。

如果为字符串，则将在每一行的源上带有信息的列,

添加到输出DataFrame中，

并将该列命名为字符串的值。信息列是分类类型的，

对于其合并键仅出现在'left'DataFrame中的观测值，

其值为“left_only”；对于其合并键仅出现在'right'

DataFrame中的观测值，其值为“right_only”，

如果两者中都存在观察值的合并键。

validate：字符串，默认为None

如果指定，则检查合并是否为指定的类型。

“one_to_one”或“1:1”：检查合并键在左右数据集中是否唯一。

“one_to_many”或“1:m”：检查合并键在左数据集中是否唯一。

“many_to_one”或“m:1”：检查合并键在正确的数据集中是否唯一。

“many_to_many”或“m:m”：允许，但不进行检查。

0.21.0版中的新功能。

返回值：

DataFrame

如果输出类型是DataFrame的子类，

则其输出类型将与“left”相同。

Pandas DataFrame.merge() 示例

以下是 Pandas DataFrame.merge() 的示例：

示例 #1 –Inner Join

代码：

import pandas as pd
left_dataframe = pd.DataFrame({'key':['Key_0','Key_1','Key_4','Key_7'],
'B':[145,2373,415,2946]})
right_dataframe = pd.DataFrame({'key': ['Key_0', 'Key_1', 'Key_2', 'Key_3', 'Key_4', 'Key_5'],
'A': ['113', '2342', '4567', '2563', '2234', '71218'],
'B': ['991.03', '993.13', '983.12', '936.45', '995.44', '999.99']})
print(" THE LEFT DATAFRAME ")
print(left_dataframe )
print("")
print(" THE RIGHT DATAFRAME ")
print(right_dataframe )
print("")
print(" THE INNER JOIN ")
print(pd.merge(left_dataframe ,right_dataframe ,on=['key','key']))

输出：

代码说明：这里声明了两个不同的dataframe ，一个表示左边的dataframe ，另一个表示右边的dataframe 。这些dataframe 是在声明本身期间用值制定的。使用 merge() 方法对这些dataframe 完成内部连接，并将结果dataframe 打印到控制台上。

示例 #2 –Left Join

代码：

import pandas as pd
left_dataframe  = pd.DataFrame({'key':['Key_0','Key_1','Key_4','Key_7'],
'B':[145,2373,415,2946]})
right_dataframe  = pd.DataFrame({'key': ['Key_0', 'Key_1', 'Key_2', 'Key_3', 'Key_4', 'Key_5'],
'A': ['113', '2342', '4567', '2563', '2234', '71218'],
'B': ['991.03', '993.13', '983.12', '936.45', '995.44', '999.99']})
print(" THE LEFT DATAFRAME ")
print(left_dataframe )
print("")
print(" THE RIGHT DATAFRAME ")
print(right_dataframe )
print("")
print(" LEFT JOIN ")
print(pd.merge(left_dataframe ,right_dataframe ,on=['key','key'],how='left'))

输出：

代码说明：这里声明了两个不同的dataframe ，一个表示左边的dataframe ，另一个表示右边的dataframe 。这些dataframe 是在声明本身期间用值制定的。使用 merge() 方法对这些dataframe 完成左连接，并将结果dataframe 打印到控制台上。

示例 #3 –Right Join

代码：

import pandas as pd
left_dataframe  = pd.DataFrame({'key':['Key_0','Key_1','Key_4','Key_7'],
'B':[145,2373,415,2946]})
right_dataframe  = pd.DataFrame({'key': ['Key_0', 'Key_1', 'Key_2', 'Key_3', 'Key_4', 'Key_5'],
'A': ['113', '2342', '4567', '2563', '2234', '71218'],
'B': ['991.03', '993.13', '983.12', '936.45', '995.44', '999.99']})
print(" THE LEFT DATAFRAME ")
print(left_dataframe )
print("")
print(" THE RIGHT DATAFRAME ")
print(right_dataframe )
print("")
print(" RIGHT JOIN ")
print(pd.merge(left_dataframe ,right_dataframe ,on=['key','key'],how='right'))

输出：

示例 #4 –Outer Join

代码：

import pandas as pd
left_dataframe  = pd.DataFrame({'key':['Key_0','Key_1','Key_4','Key_7'],
'B':[145,2373,415,2946]})
right_dataframe  = pd.DataFrame({'key': ['Key_0', 'Key_1', 'Key_2', 'Key_3', 'Key_4', 'Key_5'],
'A': ['113', '2342', '4567', '2563', '2234', '71218'],
'B': ['991.03', '993.13', '983.12', '936.45', '995.44', '999.99']})
print(" THE LEFT DATAFRAME ")
print(left_dataframe )
print("")
print(" THE RIGHT DATAFRAME ")
print(right_dataframe )
print("")
print(" OUTER JOIN ")
print(pd.merge(left_dataframe ,right_dataframe ,on=['key','key'],how='outer'))

输出：