python merge函数使用

函数语法:

pd.merge(left, right, how="inner, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True)

参数解释:

left - 数据顿对象。

right - 另一个数据顿对象

on - 要连接的列(名称)。必须在左侧和右侧数据框对象中找到

left on - 左数据框中用作键的列。可以是列名，也可以是长度等于数据长度的数组。

right on - 右数据框中用作键的列。可以是列名，也可以是长度等于数据长度的数组left index- 如果为True则使用左侧数据中的索引(行标签)作为其连接对于具有多索引(分层)的数据，级别数必须与右数据的连接键数匹配。

right index - 与右数据顿的左索引用法相同。

how -“left"、"right"、"inner"中的一个。默认为"inner"

sort - 按连接键按字典顺序对结果数据帧进行排序，默认为True。设置False将在许多情况下显著提高性能

（1）使用一个键合并两个数据

        关键技术:使用'id键合并两个数据帧，并使用merge0对其执行合并操作

（2）使用多个键合并两个数据

        关键技术:使用'id’键及subiect id'键合并两个数据帧，并使用merge(对其执行合并操作。

import pandas as pd
left = pd.DataFrame({
'id':[1,2,3,4,5],
'Name': ['Alex','Amy','Allen','Alice','Ayoung'],
'subject_id':['subl','sub2','sub4','sub6','sub5']})
right = pd. DataFrame ({
'id':[1,2,3,4,5],
'Name': ['Billy','Brian','Bran','Bryce', 'Betty'],
'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print(left)
print()
print(right)
 
#(1)根据id进行拼接
a=pd.merge(left,right,on='id')
print("根据id拼接结果：")
print(a)
 
print()
 
#(2)根据id与subject_id进行拼接
b=pd.merge(left,right,on=['id','subject_id'])
print("根据id与subject_id拼接结果：")
print(b)

（3）使用“how”参数合并
关键技术:how参数指定如何确定结果表中包含哪些键。如果左表或右表中都没有出现组合键，则联接表中的值将为NA。

合并方法 方法描述
left 使用左侧对象的键
right 使用右侧对象的键
outer 使用键的并集
inner 使用键的交集
[例1]采用上面的dataframe，使用Left Join左连接方式合并数据帧

关键技术:请注意on='subject_id，how='left'。

[例2]使用RightJoin右连接方式合并数据帧

关键技术:请注意on='subject_id，how='right'。

#例1
c=pd.merge(left,right,on='subject_id',how='left')
print(c)
 
print()
 
#例2
d=pd.merge(left,right,on='subject_id',how='right')
print(d)

[例3]使用outer Join外连接方式合并数据帧

关键技术:请注意on='subject_id'，how='outer'

[例4]使用inner Join合并数据帧。

关键技术:请注意on='subiect_id'，how='inner'

#例3
e=pd.merge(left,right,on='subject_id',how='outer')
print(e)
 
print()
 
#例4
f=pd.merge(left,right,on='subject_id',how='inner')
print(f)

　原文链接：Python数据选择与运算（2）多表合并_python merge多个表-CSDN博客