DataFrame系列3之Pandas.DataFrame操作表連接三種方式：merge, join, concat

目錄

1.concat 

2.JOIN

3.merge

---

        作爲DataFrame系列的第三部分，主要是對兩個DataFrame之間的關聯進行介紹。

以下面兩個DataFrame爲例進行語法的介紹：

df_1 = pd.read_csv('D:/traindatas/map_1.csv', sep=',', header='infer')  # 測試集
df_2 = pd.read_csv('D:/traindatas/map_2.csv', sep=',', header='infer')  # 測試集

1.concat 

concat 軸向連接。就是單純地把兩個表拼在一起，這個過程也被稱作綁定（binding）或堆疊（stacking）。函數的關鍵參數應該是 axis

默認值：axis=0

axis=0：豎方向（index）合併，合併方向index作列表相加，非合併方向columns取並集

axis=1：橫方向（columns）合併，合併方向columns作列表相加，非合併方向index取並集

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

1)默認情況

注意到這裏，左表和右表沒有一個單元格是一樣的，只是按照行索引水平堆在了一起

pd.concat([df_1, df_2])

2)axis=0 

是根據id相同的堆疊在一起，相當於full join操作

pd.concat([df_1, df_2],axis=0)

3)axis=1  注意到這裏，左表和右表不是根據id一樣拼在一起的，只是按照行索引水平堆在了一起

pd.concat([df_1, df_2],axis=1)

2.JOIN

JOIN 拼接列，主要用於基於行索引上的合併。

• 只要兩個表列名不同，不加任何參數就可以直接用。
• 如果兩個表有重複的列名，需指定lsuffix, rsuffix參數。
• 默認左外連接how=left

df1.join(df2, lsuffix='_l', rsuffix='_r') # 列名重複的時候需要指定lsuffix, rsuffix參數

1)axis=0時join='inner'，columns取交集： 

2)axis=1時join='inner'，index取交集：

3.merge

• 默認以重疊列名當做鏈接鍵；默認是INNER JOIN
• 可以多鍵連接，'on'參數後傳入多鍵列表即可
• 如果兩個對象的列表不同，可以用left_on, right_on指定。
• 也可以用行索引當連接鍵，使用參數left_index=True, right_index=True. 但是這種情況下最好用JOIN

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

1. left與right：就是我們的df_1，df_2
2. how：指的是合併(連接)的方式：inner(內連接),left(左外連接),right(右外連接),outer(全外連接);默認爲inner
3. on : 指的是用於連接的列索引名稱。必須存在左右兩個DataFrame對象中，如果沒有指定且其他參數也未指定則以兩個DataFrame的列名交集做爲連接鍵
4. left_on：左表用作連接鍵的列名;這個參數中左右列名不相同，但代表的含義相同時非常有用。
5. right_on：右表用作 連接鍵的列名
6. left_index：左表的行索引做爲連接鍵，用到這個參數時，就有點類似於上面的JOIN函數了。
7. right_index：使用右表的行索引做爲連接鍵
8. sort：默認爲True，將合併的數據進行排序。在大多數情況下設置爲False可以提高性能
9. suffixes：字符串值組成的元組，用於指定當左右DataFrame存在相同列名時在列名後面附加的後綴名稱，默認爲('_x','_y')
10. copy：默認爲True,總是將數據複製到數據結構中；大多數情況下設置爲False可以提高性能
11. indicator：在 0.17.0中還增加了一個顯示合併數據中來源情況；如只來自己於左邊(left_only)、兩者(both)

看一個簡單的例子：不加任何參數，就默認以兩表中都有的建作爲主鍵連接了，即默認合併後只保留有共同列項並且值相等行（即交集）

看下indicator的用法：

默認值：indicator=False，不顯示合併方式

設置True表示顯示合併方式，即left / right / both：

以上是對三個函數的簡單介紹，三個函數還有很豐富的功能，這裏就不再深入介紹了。