join,concat,merge连接表

(一)merge

1 merge(left, right, how=‘inner‘, on=None, left_on=None, right_on=None,
2       left_index=False, right_index=False, sort=True,
3       suffixes=(‘_x‘, ‘_y‘), copy=True, indicator=False)

• left与right：两个不同的DataFrame
• how：指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
• on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中，如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
• left_on：左则DataFrame中用作连接键的列名;这个参数中左右列名不相同，但代表的含义相同时非常有用。
• right_on：右则DataFrame中用作 连接键的列名
• left_index：使用左则DataFrame中的行索引做为连接键
• right_index：使用右则DataFrame中的行索引做为连接键
• sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
• suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为(‘_x‘,‘_y‘)
• copy：默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能
• indicator：在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)

  1 pandas.merge(df1, df2, on=‘key‘)
  2 pandas.merge(df1, df2, on=‘key‘, how=‘left‘)

  (二)join

• join方法提供了一个简便的方法用于将两个DataFrame中的不同的列索引合并成为一个DataFrame。

  其中参数的意义与merge方法基本相同,只是join方法默认为左外连接how=left。

• 示例

• 1 from pandas import Series,DataFrame,merge
  2  
  3 data=DataFrame([{"id":0,"name":‘lxh‘,"age":20,"cp":‘lm‘},{"id":1,"name":‘xiao‘,"age":40,"cp":‘ly‘},{"id":2,"name":‘hua‘,"age":4,"cp":‘yry‘},{"id":3,"name":‘be‘,"age":70,"cp":‘old‘}],index=[‘a‘,‘b‘,‘c‘,‘d‘])
  4 data1=DataFrame([{"sex":0},{"sex":1},{"sex":2}],index=[‘a‘,‘b‘,‘e‘])
  5  
  6 print ‘使用默认的左连接\r\n‘,data.join(data1)  #这里可以看出自动屏蔽了data中没有的index=e 那一行的数据
  7 print ‘使用右连接\r\n‘,data.join(data1,how="right") #这里出自动屏蔽了data1中没有index=c,d的那行数据；等价于data1.join(data)
  8 print ‘使用内连接\r\n‘,data.join(data1,how=‘inner‘)
  9 print ‘使用全外连接\r\n‘,data.join(data1,how=‘outer‘)

  结果为：

•  1 使用默认的左连接
   2    age   cp  id  name  sex
   3 a   20   lm   0   lxh    0
   4 b   40   ly   1  xiao    1
   5 c    4  yry   2   hua  NaN
   6 d   70  old   3    be  NaN
   7 使用右连接
   8    age   cp  id  name  sex
   9 a   20   lm   0   lxh    0
  10 b   40   ly   1  xiao    1
  11 e  NaN  NaN NaN   NaN    2
  12 使用内连接
  13    age  cp  id  name  sex
  14 a   20  lm   0   lxh    0
  15 b   40  ly   1  xiao    1
  16 使用全外连接
  17    age   cp  id  name  sex
  18 a   20   lm   0   lxh    0
  19 b   40   ly   1  xiao    1
  20 c    4  yry   2   hua  NaN
  21 d   70  old   3    be  NaN
  22 e  NaN  NaN NaN   NaN    2

  (三)concat

• concat方法相当于数据库中的全连接(UNION ALL),可以指定按某个轴进行连接,也可以指定连接的方式join(outer,inner 只有这两种)。
• 与数据库不同的是concat不会去重，要达到去重的效果可以使用drop_duplicates方法
•  1 concat(objs, axis=0, join=‘outer‘, join_axes=None, ignore_index=False, 2 keys=None, levels=None, names=None, verify_integrity=False, copy=True): 
•  示例：

• 1 from pandas import Series,DataFrame,concat
  2  
  3 df1 = DataFrame({‘city‘: [‘Chicago‘, ‘San Francisco‘, ‘New York City‘], ‘rank‘: range(1, 4)})
  4 df2 = DataFrame({‘city‘: [‘Chicago‘, ‘Boston‘, ‘Los Angeles‘], ‘rank‘: [1, 4, 5]})
  5 print ‘按轴进行内连接\r\n‘,concat([df1,df2],join="inner",axis=1)
  6 print ‘进行外连接并指定keys(行索引)\r\n‘,concat([df1,df2],keys=[‘a‘,‘b‘]) #这里有重复的数据
  7 print ‘去重后\r\n‘,concat([df1,df2],ignore_index=True).drop_duplicates()

   输出结果为：

• 按轴进行内连接
              city  rank         city  rank
  0        Chicago     1      Chicago     1
  1  San Francisco     2       Boston     4
  2  New York City     3  Los Angeles     5
  进行外连接并指定keys(行索引)
                city  rank
  a 0        Chicago     1
    1  San Francisco     2
    2  New York City     3
  b 0        Chicago     1
    1         Boston     4
    2    Los Angeles     5
  去重后
              city  rank
  0        Chicago     1
  1  San Francisco     2
  2  New York City     3
  4         Boston     4
  5    Los Angeles     5

   

join,concat,merge连接表

原文：https://www.cnblogs.com/luckiness/p/13096183.html