pandas合併/鏈接

Pandas具備功能全面的高性能內存中鏈接操做，與SQL等關係數據庫很是類似。
Pandas提供了一個單獨的merge()函數，做爲DataFrame對象之間全部標準數據庫鏈接操做的入口 -

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True) 

Python

在這裏，有如下幾個參數可使用 -

• left - 一個DataFrame對象。
• right - 另外一個DataFrame對象。
• on - 列(名稱)鏈接，必須在左和右DataFrame對象中存在(找到)。
• left_on - 左側DataFrame中的列用做鍵，能夠是列名或長度等於DataFrame長度的數組。
• right_on - 來自右的DataFrame的列做爲鍵，能夠是列名或長度等於DataFrame長度的數組。
• left_index - 若是爲True，則使用左側DataFrame中的索引(行標籤)做爲其鏈接鍵。 在具備MultiIndex(分層)的DataFrame的狀況下，級別的數量必須與來自右DataFrame的鏈接鍵的數量相匹配。
• right_index - 與右DataFrame的left_index具備相同的用法。
• how - 它是left, right, outer以及inner之中的一個，默認爲內inner。 下面將介紹每種方法的用法。
• sort - 按照字典順序經過鏈接鍵對結果DataFrame進行排序。默認爲True，設置爲False時，在不少狀況下大大提升性能。

如今建立兩個不一樣的DataFrame並對其執行合併操做。

合併使用「how」的參數

如何合併參數指定如何肯定哪些鍵將被包含在結果表中。若是組合鍵沒有出如今左側或右側表中，則鏈接表中的值將爲NA。

這裏是how選項和SQL等效名稱的總結 -

合併方法	SQL等效	描述
left	LEFT OUTER JOIN	使用左側對象的鍵
right	RIGHT OUTER JOIN	使用右側對象的鍵
outer	FULL OUTER JOIN	使用鍵的聯合
inner	INNER JOIN	使用鍵的交集

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2018/5/24 15:03
# @Author  : zhang chao
# @File    : s.py

import pandas as pd
left = pd.DataFrame({
         'id':[1,2,3,4,5],
         'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
         'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame(
         {'id':[1,2,3,4,5],
         'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
         'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print (left)
print("========================================")
print (right)
print("========================================")
print("在一個鍵上合併兩個數據幀,how - 它是left, right, outer以及inner之中的一個，默認爲內inner爲交集")
rs = pd.merge(left,right,on='id')#在一個鍵上合併兩個數據幀,how - 它是left, right, outer以及inner之中的一個，默認爲內inner
print(rs)
print("========================================")
print("合併多個鍵上的兩個數據框,默認爲交集：")
rs = pd.merge(left,right,on=['id','subject_id'])
print(rs)
print("========================================")
print("使用左側對象的鍵：")
rs = pd.merge(left, right, on='subject_id', how='left')
print (rs)
print("========================================")
print("使用鍵的聯合：")
rs = pd.merge(left, right, how='outer', on='subject_id')
print (rs)
print("========================================")
print("使用鍵的交集：")
rs = pd.merge(left, right, how='inner', on='subject_id')
print (rs)


D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
     Name  id subject_id
0    Alex   1       sub1
1     Amy   2       sub2
2   Allen   3       sub4
3   Alice   4       sub6
4  Ayoung   5       sub5
========================================
    Name  id subject_id
0  Billy   1       sub2
1  Brian   2       sub4
2   Bran   3       sub3
3  Bryce   4       sub6
4  Betty   5       sub5
========================================
在一個鍵上合併兩個數據幀,how - 它是left, right, outer以及inner之中的一個，默認爲內inner爲交集
   Name_x  id subject_id_x Name_y subject_id_y
0    Alex   1         sub1  Billy         sub2
1     Amy   2         sub2  Brian         sub4
2   Allen   3         sub4   Bran         sub3
3   Alice   4         sub6  Bryce         sub6
4  Ayoung   5         sub5  Betty         sub5
========================================
合併多個鍵上的兩個數據框,默認爲交集：
   Name_x  id subject_id Name_y
0   Alice   4       sub6  Bryce
1  Ayoung   5       sub5  Betty
========================================
使用左側對象的鍵：
   Name_x  id_x subject_id Name_y  id_y
0    Alex     1       sub1    NaN   NaN
1     Amy     2       sub2  Billy   1.0
2   Allen     3       sub4  Brian   2.0
3   Alice     4       sub6  Bryce   4.0
4  Ayoung     5       sub5  Betty   5.0
========================================
使用鍵的聯合：
   Name_x  id_x subject_id Name_y  id_y
0    Alex   1.0       sub1    NaN   NaN
1     Amy   2.0       sub2  Billy   1.0
2   Allen   3.0       sub4  Brian   2.0
3   Alice   4.0       sub6  Bryce   4.0
4  Ayoung   5.0       sub5  Betty   5.0
5     NaN   NaN       sub3   Bran   3.0
========================================
使用鍵的交集：
   Name_x  id_x subject_id Name_y  id_y
0     Amy     2       sub2  Billy     1
1   Allen     3       sub4  Brian     2
2   Alice     4       sub6  Bryce     4
3  Ayoung     5       sub5  Betty     5

Process finished with exit code 0