您现在的位置是：首页 > 技术教程正文

Python pd.merge()函数介绍（全）

admin 阅读： 2024-03-22

后台-插件-广告管理-内容页头部广告（手机）

1.前言

2.参数介绍

参数如下：

3.基础案例

3.1on关键字演示

3.2left_on 和 right_on 关键字

3.3left_index 和 right_index 关键字

3.4数据连接的类型

3.4.1

1.前言

在数据合并操作中，有两个操作函数pd.caoncat()和pd.merge() ，这两个函数在使用过程中经常会拿来比较，只要我们弄懂了其中重要参数的意义，理解每一个函数的用法，就能做到在那种环境适用那个函数,让我们通过本文深入理解pd.merge().

参考链接：https://cloud.tencent.com/developer/article/2070402

2.参数介绍

参数如下：

参数表
right_on	右侧DataFrame中的列或索引级别用作键。可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。
参数名	作用
left	拼接的左侧DataFrame对象
right	拼接的右侧DataFrame对象
on	要加入的列或索引级别名称。必须在左侧和右侧DataFrame对象中找到。如果未传递且left_index和right_index为False，则DataFrame中的列的交集将被推断为连接键。
left_on	左侧DataFrame中的列或索引级别用作键。可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。
left_index	如果为True，则使用左侧DataFrame中的索引（行标签）作为其连接键。对于具有MultiIndex（分层）的DataFrame，级别数必须与右侧DataFrame中的连接键数相匹配。
right_index	如果为True，则使用右侧DataFrame中的索引（行标签）作为其连接键。对于具有MultiIndex（分层）的DataFrame，级别数必须与右侧DataFrame中的连接键数相匹配。
how	默认inner。inner是取交集，outer取并集。比如left：[‘A’,‘B’,‘C’];right[’’A,‘C’,‘D’]；inner取交集的话，left中出现的A会和right中出现的买一个A进行匹配拼接，如果没有是B，在right中没有匹配到，则会丢失。’outer’取并集，出现的A会进行一一匹配，没有同时出现的会将缺失的部分添加缺失值。
sort	按字典顺序通过连接键对结果DataFrame进行排序。默认为True，设置为False将在很多情况下显着提高性能。
suffixes	*用于重叠列的字符串后缀元组。默认为（‘x’，’* y’）。**
copy	始终从传递的DataFrame对象复制数据（默认为True），即使不需要重建索引也是如此。
indicator	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left_only。

3.基础案例

3.1on关键字演示

on默认情况通过表格之间相同的列名作为匹配的键 Key，也可以通过赋予参数来指定列名作为键 Key。例如on=Key

Key可以是一个字符串,也可以是一个list。

下面两个 DataFrame df1 和 df2有相同的列名为'性别'和'年龄'，默认这两列名组合成键 Key。df1 和 df2 对应键的交集是 '性别'和’年龄'。从原理出发，可以设计出另一种拼接方法效果一致（pd.merge (df1, df2, how = ‘inner’, on=['性别',’年龄‘])）

运行代码：

import pandas as pd
df1 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'工资':[10000,12000]})
df = pd.merge(df1,df2)
#df = pd.merge (df1, df2, how ='inner', on=['性别','年龄']) #删除#即可运行
print("df1:\n{}".format(df1))
print("df2:\n{}".format(df2))
print("df:\n{}".format(df))

输出结果：

df1:
员工姓名性别年龄公司名称
0 张三男 20 阿里巴巴有限公司
1 李红女 22 阿里巴巴有限公司
df2:
员工姓名性别年龄工资
0 张三男 20 10000
1 李红女 22 12000
df:
员工姓名性别年龄公司名称工资
0 张三男 20 阿里巴巴有限公司 10000
1 李红女 22 阿里巴巴有限公司 12000

但是如果指定'性别'列名为键 Key，结果又不一样了。在有相同的列名性别时，为了区分，默认会加上 _x 和 _y 后缀。

相当于通过suffixes参数自定义后缀suffixes = ['_x','_y']

运行代码：

import pandas as pd
df1 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'工资':[10000,12000]})
df = pd.merge (df1, df2,on=['年龄'])
# df = pd.merge (df1, df2,on=['年龄'],suffixes = ['_x','_y'])
print("df1:\n{}".format(df1))
print("df2:\n{}".format(df2))
print("df:\n{}".format(df))

输出结果：

df1:
员工姓名性别年龄公司名称
0 张三男 20 阿里巴巴有限公司
1 李红女 22 阿里巴巴有限公司
df2:
员工姓名性别年龄工资
0 张三男 20 10000
1 李红女 22 12000
df:
员工姓名_x 性别_x 年龄公司名称员工姓名_y 性别_y 工资
0 张三男 20 阿里巴巴有限公司张三男 10000
1 李红女 22 阿里巴巴有限公司李红女 12000

3.2left_on 和 right_on 关键字

这两个参数通常是使用在两个DataFrame的列名都不相同，但表达意思相同。如例子中的员工姓名和姓名表达意思相同，就要用到 left_on='员工姓名' 和 right_on= '姓名'来指定匹配的列,还可以把多余的列删除掉。

通过指定left_on='员工姓名' 和 right_on= '姓名'，我们可以得到这样的列。

代码：

import pandas as pd
df1 = pd.DataFrame({'姓名':['张三','李红'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'工资':[10000,12000]})
#df = pd.merge (df1, df2,
left_on=['姓名'],
right_on = ['员工姓名'])
#df
#axis = 0 是行 axis = 1是列，drop为删除方法
df = pd.merge (df1, df2,
left_on=['姓名'],
right_on = ['员工姓名']).drop('员工姓名',axis = 1)
df

3.3left_index 和 right_index 关键字

这两个参数使用的场景通常是我们需要合并列并且合并index，通过设置left_index=True 和 right_index=True使得键与index进行配合。

代码：

df1 = pd.DataFrame({'姓名':['张三','李红'],
'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],
'工资':[10000,12000]})
df1 = df1.set_index('姓名')
df2 = df2.set_index('员工姓名')
#合并
df = pd.merge (df1, df2,
left_index = True,
right_index = True)
df

还有混合 left/right_index 和right/left_on 关键字的用法，有兴趣的可以继续深入学习，本文不再介绍。

学习地址：Python 玩转数据 17 - Pandas 数据处理合并 pd.merge() df1.merge(df2)_df.merge_wumingxiaoyao的博客-CSDN博客

3.4数据连接的类型

数据连接的类型：一对一连接，多对一连接，多对多连接，不同数据类型连接会有不同的差异。

3.4.1 一对一

代码：

import pandas as pd
df1 = pd.DataFrame({'员工姓名':['张三','李红'],
'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],
'工资':[10000,12000]})
print(df1)
print(df2)
print(pd.merge(df1, df2))

结果：

员工姓名公司名称
0 张三阿里巴巴有限公司
1 李红阿里巴巴有限公司
员工姓名工资
0 张三 10000
1 李红 12000
员工姓名公司名称工资
0 张三阿里巴巴有限公司 10000
1 李红阿里巴巴有限公司 12000

3.4.2 多对一

代码：

import pandas as pd
df1 = pd.DataFrame({'编号':['001','002','003'],
'学生姓名':['张三','李四','桃五']})
print(df1)
df2 = pd.DataFrame({'编号':['001','001','003'],
'语文':[99,98,99],
'数学':[115,118,120],
'英语':[30,20,50],
'月考月份':['1月','2月','1月']})
print(df2)
df_merge=pd.merge(df1,df2,on='编号')
print(df_merge)

结果：

编号学生姓名
0 001 张三
1 002 李四
2 003 桃五
编号语文数学英语时间
0 001 99 115 30 1月
1 001 98 118 20 2月
2 003 99 120 50 1月
编号学生姓名语文数学英语时间
0 001 张三 99 115 30 1月
1 001 张三 98 118 20 2月
2 003 桃五 99 120 50 1月

3.4.3 多对多

代码：

import pandas as pd
df1 = pd.DataFrame({'编号':['001','002','003','001','001'],
'体育':[76,76,76,75,76]})
print(df1)
df2 = pd.DataFrame({'编号':['001','002','003','003','003'],
'语文':[110,105,109,110,108],
'数学':[105,88,120,123,119],
'英语':[99,115,130,109,128]})
print(df2)
df_merge=pd.merge(df1,df2,on='编号')
print(df_merge)

结果：

编号体育
0 001 76
1 002 76
2 003 76
3 001 75
4 001 76
编号语文数学英语
0 001 110 105 99
1 002 105 88 115
2 003 109 120 130
3 003 110 123 109
4 003 108 119 128
编号体育语文数学英语
0 001 76 110 105 99
1 001 75 110 105 99
2 001 76 110 105 99
3 002 76 105 88 115
4 003 76 109 120 130
5 003 76 110 123 109
6 003 76 108 119 128

多对多关系会将所有信息一一匹配出来。

总结：

（1）on关键字：通过设置匹配的键 Key来合并数据。

（2）left_on 和 right_on 关键字：不同DataFrame合并相同意义列时使用。

（3）left_index 和 right_index 关键字：合并列并且合并index。

标签:

声明

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，请转载时务必注明文章作者和来源，不尊重原创的行为我们将追究责任；3.作者投稿可能会经我们编辑修改或补充。

在线投稿：投稿站长QQ：1888636

后台-插件-广告管理-内容页尾部广告（手机）