python编程，解读pandas.merge()合并dataframe的on标准

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

继续讨论pandas.merge()函数，本文讨论其中的on、left_on和right_on三个参数，对应到sql语言里面，就是两者进行连接的on标准的选择问题。默认的on，必然是两者都有的某个列，比如id。但是，它是可以改变的。

大家好，这里是苏南大叔的“奥林匹克技术竞赛”博客，这里讲述苏南大叔和计算机代码之间的故事。测试环境：python@3.6.8，pandas@1.1.5，numpy@1.24.4。

前文回顾

本文是基于上一篇文章，关于两个dataframe的合并问题的文章的。参考：

• https://olympic.hk/say/dataframe-merge.html

本文所描述的pandas.merge()具有和数据库语句类似的on的特性，可以参考：

• https://olympic.hk/say/mysql-using.html
• https://olympic.hk/say/mysql-nature-join.html

默认on

默认的on就是会自动选择两者都存在的列，本文里面就是列a，用于连接的列名，必须在两个DataFrame对象中都存在。

import pandas as pd
df1 = pd.DataFrame({'a':['苏','南'],'b':['大','叔']})
df2 = pd.DataFrame({'a': ['苏', 'su', '南'], 'c': ['da', 'shu', '哥']})

res = pd.merge(df1, df2)
print(res)

res = pd.merge(df1, df2, on='a')
print(res)

res = pd.merge(df1, df2, on=['a'])
print(res)

这里的三种写法是等效的结果，输出都是：

   a  b   c
0  苏  大  da
1  南  叔   哥

多列相同的情况

多个相同列的时候，比如下面的列a和列b，那么，默认的join标准就是两者都相同的时候。例如：

import pandas as pd
df1 = pd.DataFrame({'a': ['苏', '南'], 'b': ['大', '叔']})
df2 = pd.DataFrame({'a': ['苏', 'su', '南'], 'b': ['大', '叔', '苏'], 'c': ['da', 'shu', '哥']})
print(df1)
print(df2)

输出：

   a  b
0  苏  大
1  南  叔

    a  b    c
0   苏  大   da
1  su  叔  shu
2   南  苏    哥

res = pd.merge(df1, df2)
print(res)

res = pd.merge(df1, df2, on=['a','b'])
print(res)

输出都是：

   a  b   c
0  苏  大  da

以a和b相同列做一个单位，求合集。

res = pd.merge(df1, df2, on=['a','b'], how='outer')
print(res)

输出：

    a  b    c
0   苏  大   da
1   南  叔  NaN
2  su  叔  shu
3   南  苏    哥

多列取其一

虽然同时有两个相同列，但是只取其中一个作为合并的标准。

res = pd.merge(df1, df2, on=['a'])
print(res)

输出：

   a b_x b_y   c
0  苏   大   大  da
1  南   叔   苏   哥

左右取不同

默认是取相同名字的列，但是也可以指定不同的名字进行比较。还是取多列相同的这个做例子。

res = pd.merge(df1, df2, left_on='a', right_on='b')
print(res)

这个结果是略显奇怪的，别的例子里面因为作为比较的列都是相同的，所以合并处理了。但是，这个例子里面，作为比较的两个列是不同的名字，所以，两者不但没有合并，而且作为下划线区分。
输出：

    a_x b_x  a_y  b_y  c
0   苏   大   南   苏  哥

当出现这些带附加信息的列名的时候，是使用suffixes参数进行区分的。例如：

res = pd.merge(df1, df2, left_on='a', right_on='b',suffixes=['_left','_right'])
print(res)

输出：

  a_left b_left a_right b_right  c
0      苏      大       南       苏  哥

结语

其余的pandas.merge()的参数，也是属于用不到的，待后续文章描述吧。更多python相关经验文章，请参考：

• https://olympic.hk/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。