python编程，解读pandas.merge()合并dataframe的join方式

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...

本文讲述由pandas提供的两个dataframe对象合并merge的操作，当然因为series作为dataframe的子对象，也是属于被pandas.merge()的操作范围。

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

pandas除了本文的.merge()操作，还提供了.concat()操作，具体请参考：

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

本文所描述的pandas.merge()具有和数据库类似的inner join、outer join、left join、right join的特性，所以，可以参考：

• https://olympic.hk/say/mysql-inner-join.html
• https://olympic.hk/say/mysql-left-join.html

函数原型

python里面的pands.merge()函数原型：

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)

参数说明：

基础样本

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

输出：

   a  b
0  苏  大
1  南  叔

    a    c
0   苏   da
1  su  shu
2   南    哥

默认inner join【交集】

inner join就是取left和right的交集。

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

输出：

   a  b   c
0  苏  大  da
1  南  叔   哥

这个就是left和right，使用了共同的列a进行默认的inner join得出的结果，求的是两者的交集。

how='outer'【合集】

res = pd.merge(df1, df2, how='outer')
print(res)

输出：

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

注意，这里出现了一个空值NaN。

how='left'【左连接】左边独有+交集

res = pd.merge(df1, df2, how='left')
print(res)

输出：

   a  b   c
0  苏  大  da
1  南  叔   哥

how='right'【右连接】右边独有+交集

res = pd.merge(df1, df2, how='right')
print(res)

输出：

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

注意，这里也出现了一个缺失值NaN。

indicator解释

对于这个join方式，理解其结果确实有些难度。但是这个函数官方出了一个参数indicator用于解释结果。虽然计算的时候可能用不到，但是人工理解数据结果还是挺好用的。

将一列添加到名为_merge的输出DataFrame，其中包含有关每行源的信息。_merge是分类类型，并且对于其合并键仅出现在左DataFrame中的观察值，取得值为left_only，对于其合并键仅出现在右DataFrame中的观察值为right_only，并且如果在两者中都找到观察点的合并键，则为both。

比如：

res = pd.merge(df1, df2, how='right', indicator=True)
print(res)

输出：

    a    b    c      _merge
0   苏    大   da    both
1  su    NaN  shu    right_only
2   南    叔   哥    both

总结

因为这个函数的参数太多了，而且参数之间存在相互影响的关系。这里就先结合原有的内外链接，左右链接的概念，说一下left、right、how三个参数。后续的文章再讨论剩下的参数的使用。

• 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。