博客

详解pandas.DataFrame.merge()（合并数据框）函数使用方法

  • Post category:Python

pandas.DataFrame.merge()是一种用于将两个或多个数据框（pandas DataFrame）中的行（row）或列（column）按照一定的规则合并（combine）起来的函数。下面我们详细讲解这个函数的作用与使用方法。

作用

pandas.DataFrame.merge()函数主要用于以下情况：

  1. 结合两个或多个数据帧中的重复列。
  2. 结合两个或多个数据帧中的非重复列。
  3. 合并两个或多个数据帧中的行。
  4. 按照给定的索引合并两个或多个数据帧。

使用方法

pandas.DataFrame.merge()的基本语法如下：

DataFrame.merge(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)

这里对每个参数作详细解释：

  • right：一个数据帧，表示用于合并的第二个数据帧。
  • how：指定合并方式，可选的取值有：'inner'，'outer'，'left'和'right'。默认为'inner'，表示保留两个数据帧的交集，其余的取值（例如：'outer'）表示保留两个数据帧的并集。
  • on：指定用于合并的列名，可选参数。默认为None，表示以两个数据帧的共同列进行合并，如果两个数据帧没有共同列，则会抛出异常。如果指定了on参数，则以指定列名进行合并，必须存在于两个数据帧的列中。
  • left_on、right_on：分别指定第一个数据帧和第二个数据帧用于合并的列名。
  • left_index、right_index：分别指定是否以第一个数据帧和第二个数据帧的索引（Index）进行合并，默认为False。
  • suffixes：指定列名后缀字符串的元组，以区分在两个数据帧中存在同名列时的列名。默认为('_x', '_y')，例如，如果有一个名为name的列，数据帧中两个表都存在，则合并后的列将分别被重命名为name_x和name_y。

下面给出两个使用实例：

实例一：合并两个数据帧

import pandas as pd

# 创建第一个数据帧
df1 = pd.DataFrame({'id': [1, 2, 3], 'name': ['A', 'B', 'C'], 'age':[20, 22, 24]})
# 创建第二个数据帧
df2 = pd.DataFrame({'id': [1, 2, 4], 'address': ['Beijing', 'Shanghai', 'Guangzhou'], 'salary':[10000, 12000, 15000]})
# 使用id列合并两个数据帧
result = pd.merge(df1, df2, on='id', how='outer')
print(result)

输出结果如下：

   id name  age    address   salary
0   1    A  20     Beijing  10000.0
1   2    B  22    Shanghai  12000.0
2   3    C  24        NaN      NaN
3   4  NaN NaN  Guangzhou  15000.0

实例二：使用多列合并

# 创建第一个数据帧
df1 = pd.DataFrame({'id': [1, 2, 3], 'name': ['A', 'B', 'C'], 'city':['Beijing', 'Shanghai', 'Guangzhou']})
# 创建第二个数据帧
df2 = pd.DataFrame({'id': [1, 2, 4], 'city': ['Beijing', 'Shanghai', 'Guilin'], 'salary':[10000, 12000, 15000]})
# 使用id和city两列合并两个数据帧
result = pd.merge(df1, df2, how='outer', on=['id', 'city'])
print(result)

输出结果如下：

   id name       city   salary
0   1    A    Beijing  10000.0
1   2    B   Shanghai  12000.0
2   3    C  Guangzhou      NaN
3   4  NaN     Guilin  15000.0
Tags: