在上一篇文章中，我整理了pandas在數(shù)據(jù)合并和重塑中常用到的concat方法的使用說明。在這里，將接著介紹pandas中也常常用到的join 和merge方法

merge

pandas的merge方法提供了一種類似于SQL的內(nèi)存鏈接操作，官網(wǎng)文檔提到它的性能會比其他開源語言的數(shù)據(jù)操作（例如R）要高效。

和SQL語句的對比可以看這里

merge的參數(shù)

on：列名，join用來對齊的那一列的名字，用到這個(gè)參數(shù)的時(shí)候一定要保證左表和右表用來對齊的那一列都有相同的列名。

left_on：左表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

right_on：右表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

left_index/ right_index: 如果是True的haunted以index作為對齊的key

how：數(shù)據(jù)融合的方法。

sort：根據(jù)dataframe合并的keys按字典順序排序，默認(rèn)是，如果置false可以提高表現(xiàn)。

merge的默認(rèn)合并方法：
merge用于表內(nèi)部基于 index-on-index 和 index-on-column(s) 的合并，但默認(rèn)是基于index來合并。

1.1 復(fù)合key的合并方法

使用merge的時(shí)候可以選擇多個(gè)key作為復(fù)合可以來對齊合并。

1.1.1 通過on指定數(shù)據(jù)合并對齊的列

In [41]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
  ....:           'key2': ['K0', 'K1', 'K0', 'K1'],
  ....:           'A': ['A0', 'A1', 'A2', 'A3'],
  ....:           'B': ['B0', 'B1', 'B2', 'B3']})
  ....: 

In [42]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
  ....:            'key2': ['K0', 'K0', 'K0', 'K0'],
  ....:            'C': ['C0', 'C1', 'C2', 'C3'],
  ....:            'D': ['D0', 'D1', 'D2', 'D3']})
  ....: 

In [43]: result = pd.merge(left, right, on=['key1', 'key2'])

沒有指定how的話默認(rèn)使用inner方法。

how的方法有：

left

只保留左表的所有數(shù)據(jù)

In [44]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])

right

只保留右表的所有數(shù)據(jù)

In [45]: result = pd.merge(left, right, how='right', on=['key1', 'key2'])

outer

保留兩個(gè)表的所有信息

In [46]: result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

inner

只保留兩個(gè)表中公共部分的信息

In [47]: result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

1.2 indicator

v0.17.0 版本的pandas開始還支持一個(gè)indicator的參數(shù)，如果置True的時(shí)候，輸出結(jié)果會增加一列 ' _merge'。_merge列可以取三個(gè)值

• left_only 只在左表中
• right_only 只在右表中
• both 兩個(gè)表中都有

1.3 join方法

dataframe內(nèi)置的join方法是一種快速合并的方法。它默認(rèn)以index作為對齊的列。

1.3.1 how 參數(shù)

join中的how參數(shù)和merge中的how參數(shù)一樣，用來指定表合并保留數(shù)據(jù)的規(guī)則。

具體可見前面的 how 說明。

1.3.2 on 參數(shù)

在實(shí)際應(yīng)用中如果右表的索引值正是左表的某一列的值，這時(shí)可以通過將 右表的索引 和 左表的列 對齊合并這樣靈活的方式進(jìn)行合并。

ex 1

In [59]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
  ....:           'B': ['B0', 'B1', 'B2', 'B3'],
  ....:           'key': ['K0', 'K1', 'K0', 'K1']})
  ....: 

In [60]: right = pd.DataFrame({'C': ['C0', 'C1'],
  ....:            'D': ['D0', 'D1']},
  ....:            index=['K0', 'K1'])
  ....: 

In [61]: result = left.join(right, on='key')

1.3.3 suffix后綴參數(shù)

如果和表合并的過程中遇到有一列兩個(gè)表都同名，但是值不同，合并的時(shí)候又都想保留下來，就可以用suffixes給每個(gè)表的重復(fù)列名增加后綴。

In [79]: result = pd.merge(left, right, on='k', suffixes=['_l', '_r'])

*　另外還有l(wèi)suffix 和 rsuffix分別指定左表的后綴和右表的后綴。

1.4 組合多個(gè)dataframe

一次組合多個(gè)dataframe的時(shí)候可以傳入元素為dataframe的列表或者tuple。一次join多個(gè)，一次解決多次煩惱~

In [83]: right2 = pd.DataFrame({'v': [7, 8, 9]}, index=['K1', 'K1', 'K2'])

In [84]: result = left.join([right, right2])

1.5 更新表的nan值

1.5.1 combine_first

如果一個(gè)表的nan值，在另一個(gè)表相同位置（相同索引和相同列）可以找到，則可以通過combine_first來更新數(shù)據(jù)

1.5.2 update

如果要用一張表中的數(shù)據(jù)來更新另一張表的數(shù)據(jù)則可以用update來實(shí)現(xiàn)

1.5.3 combine_first 和 update 的區(qū)別

使用combine_first會只更新左表的nan值。而update則會更新左表的所有能在右表中找到的值（兩表位置相對應(yīng)）。

示例代碼參考來源——官網(wǎng)

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論