通过匹配的 ID 号合并两个 Pandas 数据帧

在处理数据中，我们常常需要合并两个 Pandas 数据帧。其中一个常见的场景是我们需要合并两个数据集，通过共同的 ID 号将它们组合起来。这个时候，我们可以使用 Pandas 提供的 merge() 函数来实现。

代码示例

下面是一个示例程序，展示如何通过匹配的 ID 号合并两个 Pandas 数据帧。

首先，我们需要创建两个数据帧。

import pandas as pd

# 创建数据帧 df1
df1_data = {'ID': ['1', '2', '3', '4', '5'],
            'name': ['John', 'Mary', 'Tom', 'Ben', 'Alice']}
df1 = pd.DataFrame(df1_data)

# 创建数据帧 df2
df2_data = {'ID': ['2', '4', '6', '7', '8'],
            'age': [22, 25, 18, 20, 35]}
df2 = pd.DataFrame(df2_data)

然后，我们可以使用 merge() 函数将这两个数据帧按照 ID 号进行合并。

# 将两个数据帧按 ID 号合并
merged_df = pd.merge(df1, df2, on='ID', how='inner')

合并后，我们可以通过 head() 函数来查看合并后的前几行数据。

# 查看合并后的前几行数据
print(merged_df.head())

输出结果如下：

  ID name  age
0  2 Mary   22
1  4  Ben   25

由此可见，合并后的数据帧中包含了原来两个数据帧中共同的 ID 号以及它们对应的 name 和 age。

说明

在合并两个数据帧时，我们通常需要指定用于合并的列，这个列相当于两个数据帧的主键。上面的代码中，我们将 df1 和 df2 通过它们的 ID 号进行了合并，因此在 merge() 函数中需要指定 on='ID'。

此外，merge() 函数还需要一个 how 参数，该参数指定了合并方式。在上面的代码中，我们使用了 how='inner'，表示只保留两个数据帧中共同的 ID 号对应的行。还有其他的合并方式，分别为 'left'、'right' 和 'outer'。它们的具体含义可以参考 Pandas 文档。

总结

本文介绍了如何通过匹配的 ID 号合并两个 Pandas 数据帧，并给出了完整的程序示例。在实际的数据处理中，我们通常需要合并多个数据集，这时候我们只需要多次使用 merge() 函数即可。