微信公衆號：「Python讀財」
如有問題或建議，請公衆號留言
爲了方便維護，一般公司的數據在數據庫內都是分表存儲的，比如用一個表存儲所有用戶的基本信息，一個表存儲用戶的消費情況。所以，在日常的數據處理中，經常需要將兩張表拼接起來使用，這樣的操作對應到SQL中是join，在Pandas中則是用merge來實現。這篇文章就講一下merge的主要原理。
上面的引入部分說到merge是用來拼接兩張表的，那麼拼接時自然就需要將用戶信息一一對應地進行拼接，所以進行拼接的兩張表需要有一個共同的識別用戶的鍵（key）。總結來說，整個merge的過程就是將信息一一對應匹配的過程，下面介紹merge的四種類型，分別爲'inner'、'left'、'right'和'outer'。
一、inner
merge的'inner'的類型稱爲內連接，它在拼接的過程中會取兩張表的鍵（key）的交集進行拼接。什麼意思呢？下面以圖解的方式來一步一步拆解。
首先我們有以下的數據，左側和右側的數據分別代表了用戶的基礎信息和消費信息，連接兩張表的鍵是userid。
現在用'inner'的方式進行merge
In [6]: df_1.merge(df_2,how='inner',on='userid')
Out[6]:
userid age payment
0 a 23 2000
1 c 32 3500
過程圖解：
①取兩張表的鍵的交集，這裏df_1和df_2的userid的交集是{a,c}
②對應匹配
③結果
過程彙總：
相信整個過程並不難理解，上面演示的是同一個鍵下，兩個表對應只有一條數據的情況（一個用戶對應一條消費記錄），那麼，如果一個用戶對應了多條消費記錄的話，那又是怎麼拼接的呢？
假設現在的數據變成了下面這個樣子，在df_2中，有兩條和a對應的數據：
同樣用inner的方式進行merge：
In [12]: df_1.merge(df_2,how='inner',on='userid')
Out[12]:
userid age payment
0 a 23 2000
1 a 23 500
2 b 46 1000
3 c 32 3500
整個過程除了對應匹配階段，其他和上面基本都是一致的。
過程圖解：
①取兩張表的鍵的交集，這裏df_1和df_2的userid的交集是{a,b,c}
②對應匹配時，由於這裏的a有兩條對應的消費記錄，故在拼接時，會將用戶基礎信息表中a對應的數據複製多一行來和右邊進行匹配。
③結果
二、left 和right
'left'和'right'的merge方式其實是類似的，分別被稱爲左連接和右連接。這兩種方法是可以互相轉換的，所以在這裏放在一起介紹。
'left'：merge時，以左邊表格的鍵爲基準進行配對，如果左邊表格中的鍵在右邊不存在，則用缺失值NaN填充。
'right'：merge時，以右邊表格的鍵爲基準進行配對，如果右邊表格中的鍵在左邊不存在，則用缺失值NaN填充。
什麼意思呢？用一個例子來具體解釋一下，這是演示的數據
現在用'left'的方式進行merge
In [21]: df_1.merge(df_2,how='left',on='userid')
Out[21]:
userid age payment
0 a 23 2000.0
1 b 46 NaN
2 c 32 3500.0
3 d 19 NaN
過程圖解：
①以左邊表格的所有鍵爲基準進行配對。圖中，因爲右表中的e不在左表中，故不會進行配對。
②若右表中的payment列合併到左表中，對於沒有匹配值的用缺失值NaN填充
過程彙總：
對於'right'類型的merge和'left'其實是差不多的，只要把兩個表格的位置調換一下，兩種方式返回的結果就是一樣的（），如下：
In [22]: df_2.merge(df_1,how='right',on='userid')
Out[22]:
userid payment age
0 a 2000.0 23
1 c 3500.0 32
2 b NaN 46
3 d NaN 19
至於'left'和'right'中（乃至於下面將介紹的'outer'）連接的鍵是一對多的情況，原理和上方的'inner'是類似的，這裏便不再贅述。
三、outer
'outer'是外連接，在拼接的過程中它會取兩張表的鍵（key）的並集進行拼接。看文字不夠直觀，還是上例子吧！
還是使用上方用過的演示數據
這次使用'outer'進行merge
In [24]: df_1.merge(df_2,how='outer',on='userid')
Out[24]:
userid age payment
0 a 23.0 2000.0
1 b 46.0 NaN
2 c 32.0 3500.0
3 d 19.0 NaN
4 e NaN 600.0
圖解如下：
①取兩張表鍵的並集，這裏是{a,b,c,d,e}
②將兩張表的數據列拼起來，對於沒有匹配到的地方，使用缺失值NaN進行填充
能讀到這裏的小夥伴想必也基本理解了merge的整個過程，總結來說，merge的不同類型區別就在於拼接時，選用的兩個表格的鍵的集合不同。關於Pandas的merge就介紹到這裏！
原創不易，如果覺得有點用，希望可以隨手點個贊，拜謝各位老鐵。
掃碼關注公衆號 「Python讀財」，第一時間獲取乾貨，還可以加數據分析學習交流羣！！
