pandas——Merge做表之间的连接

基于某个column或某些columns做连接

连接时有4种方法how = ['left’, 'right’, 'outer’, 'inner’]，默认值how='inner’

• how='inner’ 默认值，内连接（sql中的自然连接）。按参数on的值交，其实就是键的交集（数据块系统概论54页，详细）

• how='outer’ 外连接，按参数on的值并，并了之后其他特征上没有值的会NaN补

• how='left’ 左连接，是以第一个 DataFrame 为主进行的连接，第二个DataFrame作为补充

• how='right’ 右连接，是以第二个 DataFrame 为主进行的连接，第一个DataFrame作为补充

一个公共column

import pandas as pd

特殊：公共属性：key ， 很巧，两个key的值（数量、内容）一模一样，那就很简单了,四种连接方式结果一模一样

left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']})right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],  'C': ['C0', 'C1', 'C2', 'C3'],  'D': ['D0', 'D1', 'D2', 'D3']})print(left)print(right)

    A   B key
0  A0  B0  K0
1  A1  B1  K1
2  A2  B2  K2
3  A3  B3  K3
    C   D key
0  C0  D0  K0
1  C1  D1  K1
2  C2  D2  K2
3  C3  D3  K3

pd.merge(left, right, on='key')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A2	B2	K2	C2	D2
3	A3	B3	K3	C3	D3

一般情况下为：公共column: key，两个表的key的值（数量、内容）不一样

一般情况下：
公共属性：key ,两个key的值不一样

key的交集：[k0, k1]
left1中的悬浮元组为：（A2, K2, K2）
left2中的悬浮元组为：（C4, D4, K4）

内连接：舍弃所有的悬浮元组,之后做连接
外连接：保留所有的悬浮元组，做连接，没值属性的补空NaN
左连接：只保留左表left的悬浮元组，做连接，右表上没值属性补NaN
右连接：只保留右表right的悬浮元组，做连接，左表上没值属性补NaN

看例子：

left1 = pd.DataFrame({'key': ['K0', 'K1', 'K2'], 'A': ['A0', 'A1', 'A2'], 'B': ['B0', 'B1', 'B2']})right1 = pd.DataFrame({'key': ['K0', 'K1', 'K1', 'K4'],  'C': ['C0', 'C1', 'C10', 'C4'],  'D': ['D0', 'D1', 'D10', 'D4']})print(left1)print(right1)

    A   B key
0  A0  B0  K0
1  A1  B1  K1
2  A2  B2  K2
     C    D key
0   C0   D0  K0
1   C1   D1  K1
2  C10  D10  K1
3   C4   D4  K4

#默认，内连接pd.merge(left1, right1, on='key')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A1	B1	K1	C10	D10

#外连接pd.merge(left1, right1, on='key', how='outer')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A1	B1	K1	C10	D10
3	A2	B2	K2	NaN	NaN
4	NaN	NaN	K4	C4	D4

#左连接pd.merge(left1, right1, on='key', how='left')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A1	B1	K1	C10	D10
3	A2	B2	K2	NaN	NaN

#右连接pd.merge(left1, right1, on='key', how='right')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A1	B1	K1	C10	D10
3	NaN	NaN	K4	C4	D4

两个公共columns，看看结果

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],  'key2': ['K0', 'K1', 'K0', 'K1'],  'A': ['A0', 'A1', 'A2', 'A3'],  'B': ['B0', 'B1', 'B2', 'B3']})right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],   'key2': ['K0', 'K0', 'K0', 'K0'],   'C': ['C0', 'C1', 'C2', 'C3'],   'D': ['D0', 'D1', 'D2', 'D3']})print(left)print(right)

    A   B key1 key2
0  A0  B0   K0   K0
1  A1  B1   K0   K1
2  A2  B2   K1   K0
3  A3  B3   K2   K1
    C   D key1 key2
0  C0  D0   K0   K0
1  C1  D1   K1   K0
2  C2  D2   K1   K0
3  C3  D3   K2   K0

注意left和right的[key1,key2]的值有所不同

pd.merge(left,right,on=['key1','key2'])#默认：how=inner#看看效果：只保留了共同的[key1,key2]  inner连接：交

	A	B	key1	key2	C	D
0	A0	B0	K0	K0	C0	D0
1	A2	B2	K1	K0	C1	D1
2	A2	B2	K1	K0	C2	D2

pd.merge(left, right, on=['key1','key2'], how='outer')#看看效果：outer连接：并 （没有值的就补NaN）

	A	B	key1	key2	C	D
0	A0	B0	K0	K0	C0	D0
1	A1	B1	K0	K1	NaN	NaN
2	A2	B2	K1	K0	C1	D1
3	A2	B2	K1	K0	C2	D2
4	A3	B3	K2	K1	NaN	NaN
5	NaN	NaN	K2	K0	C3	D3

pd.merge(left, right, on=['key1','key2'], how='left')#left的key全保留，同时right在left里有的key保留

	A	B	key1	key2	C	D
0	A0	B0	K0	K0	C0	D0
1	A1	B1	K0	K1	NaN	NaN
2	A2	B2	K1	K0	C1	D1
3	A2	B2	K1	K0	C2	D2
4	A3	B3	K2	K1	NaN	NaN

pd.merge(left, right, on=['key1','key2'], how='right')#

	A	B	key1	key2	C	D
0	A0	B0	K0	K0	C0	D0
1	A2	B2	K1	K0	C1	D1
2	A2	B2	K1	K0	C2	D2
3	NaN	NaN	K2	K0	C3	D3