Pandas數據分析——Merge數據拼接圖文詳解

微信公衆號：「Python讀財」
若有問題或建議，請公衆號留言

爲了方便維護，通常公司的數據在數據庫內都是分表存儲的，好比用一個表存儲全部用戶的基本信息，一個表存儲用戶的消費狀況。因此，在平常的數據處理中，常常須要將兩張表拼接起來使用，這樣的操做對應到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，那麼拼接時天然就須要將用戶信息一一對應地進行拼接，因此進行拼接的兩張表須要有一個共同的識別用戶的鍵（key）。總結來講，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'。

1、inner

merge的'inner'的類型稱爲內鏈接，它在拼接的過程當中會取兩張表的鍵（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。

首先咱們有如下的數據，左側和右側的數據分別表明了用戶的基礎信息和消費信息，鏈接兩張表的鍵是userid。

如今用'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狀況（一個用戶對應一條消費記錄），那麼，若是一個用戶對應了多條消費記錄的話，那又是怎麼拼接的呢？

假設如今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：

一樣用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，其餘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，因爲這裏的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

2、left 和right

'left'和'right'的merge方式實際上是相似的，分別被稱爲左鏈接和右鏈接。這兩種方法是能夠互相轉換的，因此在這裏放在一塊兒介紹。

'left'：merge時，以左邊表格的鍵爲基準進行配對，若是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，若是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

如今用'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以左邊表格的全部鍵爲基準進行配對。圖中，由於右表中的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'實際上是差很少的，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同樣的（），以下：

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'）鏈接的鍵是一對多的狀況，原理和上方的'inner'是相似的，這裏便再也不贅述。

3、outer

'outer'是外鏈接，在拼接的過程當中它會取兩張表的鍵（key）的並集進行拼接。看文字不夠直觀，仍是上例子吧！

仍是使用上方用過的演示數據

此次使用'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

圖解以下：

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，總結來講，merge的不一樣類型區別就在於拼接時，選用的兩個表格的鍵的集合不一樣。關於Pandas的merge就介紹到這裏！

原創不易，若是以爲有點用，但願能夠隨手點個贊，拜謝各位老鐵。

掃碼關注公衆號「Python讀財」，第一時間獲取乾貨，還能夠加Python學習交流羣！！