基于列合并两个数据框 - Python

在数据分析中，我们经常需要将两个数据框按照某一列进行合并，这个列是两个数据框共有的，在 Python 中可以使用 merge 函数来实现。

merge 函数的参数

pandas.merge(left, 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)

merge 函数的第一个参数是左侧的数据框，第二个参数是右侧的数据框，第三个参数是合并方式（默认是 inner join），第四个参数是合并所用的列（如果不指定，则默认使用两个数据框共有的列）。

• left：左侧的数据框。
• right：右侧的数据框。
• how：指定合并的方式，有四种方式：inner，outer，left 和 right，默认值是 inner。
  • inner：内连接，只保留两个数据框共有的行。
  • outer：外连接，保留两个数据框的所有行，没有对应值的用 NaN 填充。
  • left：左连接，保留左侧数据框中的所有行。
  • right：右连接，保留右侧数据框中的所有行。
• on：指定用于合并的列名。如果不指定该参数，则会使用两个数据框共有的列进行合并。
• left_on：左侧数据框中用于合并的列名。
• right_on：右侧数据框中用于合并的列名。
• left_index，right_index：是否使用行索引进行合并，默认为 False。
• sort：是否按照合并键排序，默认为 False。
• suffixes：当两个数据框中有重复的列名时，指定列名的后缀。
• copy：是否复制数据框，默认为 True。
• indicator：是否在输出结果中添加一列，表示该行的来源。
• validate：验证合并方式的合法性，有三个值：one_to_one，one_to_many，many_to_many。

示例代码

import pandas as pd

# 创建数据
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'F', 'G'], 'value2': [5, 6, 7, 8]})

# 内连接
df3 = pd.merge(df1, df2, on='key', how='inner')
print(df3)

# 左连接
df4 = pd.merge(df1, df2, on='key', how='left')
print(df4)

# 右连接
df5 = pd.merge(df1, df2, on='key', how='right')
print(df5)

# 外连接
df6 = pd.merge(df1, df2, on='key', how='outer')
print(df6)

以上代码输出结果如下：

  key  value1  value2
0   B       2       5
1   D       4       6
  key  value1  value2
0   A       1     NaN
1   B       2     5.0
2   C       3     NaN
3   D       4     6.0
   key  value1  value2
0    B     2.0       5
1    D     4.0       6
2    F     NaN       7
3    G     NaN       8
  key  value1  value2
0   A     1.0     NaN
1   B     2.0     5.0
2   C     3.0     NaN
3   D     4.0     6.0
4   F     NaN     7.0
5   G     NaN     8.0

总结

merge 函数可以方便地对两个数据框进行合并，使得我们可以更加方便地进行数据分析和处理。在使用该函数时，一定要注意指定好合并方式和合并列，避免错误的结果。