快捷導(dǎo)航

Python利用pandas進(jìn)行數(shù)據(jù)合并詳解

更新時(shí)間：2023年11月15日 08:46:45 作者：懸崖上的金魚

當(dāng)使用Python中的pandas庫時(shí)，merge函數(shù)是用于合并（或連接）兩個(gè)數(shù)據(jù)框（DataFrame）的重要工具。它類似于SQL中的JOIN操作，下面我們就來看看它的具體操作吧

當(dāng)使用Python中的pandas庫時(shí)，merge函數(shù)是用于合并（或連接）兩個(gè)數(shù)據(jù)框（DataFrame）的重要工具。它類似于SQL中的JOIN操作，允許你根據(jù)一個(gè)或多個(gè)鍵（key）將兩個(gè)數(shù)據(jù)框連接起來。

merge函數(shù)的基本語法如下

pd.merge(
    left,  # 要合并的左側(cè) DataFrame
    right,  # 要合并的右側(cè) DataFrame
    how='inner',  # 連接方式，包括 'left', 'right', 'outer', 'inner'，默認(rèn)為 'inner'
    on=None,  # 用于連接的列名，必須存在于左側(cè)和右側(cè) DataFrame 中
    left_on=None,  # 左側(cè) DataFrame 用于連接的列名
    right_on=None,  # 右側(cè) DataFrame 用于連接的列名
    left_index=False,  # 如果為 True，則使用左側(cè) DataFrame 的索引作為連接鍵
    right_index=False,  # 如果為 True，則使用右側(cè) DataFrame 的索引作為連接鍵
    suffixes=('_x', '_y'),  # 字符串后綴，用于重疊列名的處理
    sort=False,  # 根據(jù)連接鍵對合并后的數(shù)據(jù)進(jìn)行排序
    copy=True,  # 如果為 False，可以提高性能，但是在某些情況下會(huì)修改原始數(shù)據(jù)
)

下面詳細(xì)解釋每個(gè)參數(shù)的用法：

left和right：要連接的左右兩個(gè)數(shù)據(jù)框，可以是DataFrame對象、Series對象或者帶有相同列名的字典。
on：指定用于連接的列名，如果兩個(gè)數(shù)據(jù)框中的列名相同，可以直接指定為列名，如果列名不同，可以通過left_on和right_on參數(shù)分別指定左右兩個(gè)數(shù)據(jù)框的列名。
how：指定連接的方式，默認(rèn)為'inner'?？蛇x的取值有：
- 'inner'：內(nèi)連接，只返回兩個(gè)數(shù)據(jù)框中鍵匹配的行。
- 'outer'：外連接，返回兩個(gè)數(shù)據(jù)框中所有的行，并用NaN填充缺失的值。
- 'left'：左連接，返回左側(cè)數(shù)據(jù)框中所有的行，并用NaN填充右側(cè)數(shù)據(jù)框中缺失的值。
- 'right'：右連接，返回右側(cè)數(shù)據(jù)框中所有的行，并用NaN填充左側(cè)數(shù)據(jù)框中缺失的值。
left_on和right_on：如果要連接的列名不同，可以使用這兩個(gè)參數(shù)分別指定左右兩個(gè)數(shù)據(jù)框中用于連接的列名。
left_index和right_index：如果要根據(jù)索引進(jìn)行連接，可以將這兩個(gè)參數(shù)設(shè)為True。
sort：指定是否按照鍵對數(shù)據(jù)進(jìn)行排序，默認(rèn)為True。
suffixes：如果兩個(gè)數(shù)據(jù)框中存在重復(fù)的列名，可以使用這個(gè)參數(shù)為它們添加后綴以區(qū)分，默認(rèn)為('_x', '_y')。
copy：指定是否復(fù)制數(shù)據(jù)，默認(rèn)為True。如果設(shè)置為False，可以避免復(fù)制數(shù)據(jù)而提高性能。
indicator：指定是否在結(jié)果數(shù)據(jù)框中添加一個(gè)表示連接方式的特殊列，默認(rèn)為False。
validate：指定連接操作的有效性檢查方式，可選的取值有None、'one_to_one'、'one_to_many'、'many_to_one'和'many_to_many'。

基本用法

merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱'])   # 連接方式，包括 'left', 'right', 'outer', 'inner'，默認(rèn)為 'inner'
print(merged_df)

指定不同的列名

merged_df = pd.merge(left_df, right_df, how='outer', left_on='店鋪名稱', right_on='店鋪名稱2')
print(merged_df)

處理重復(fù)列名，相同列名加后綴

merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱'], suffixes=('_left', '_right'))
print(merged_df)

根據(jù)索引進(jìn)行合并

merged_df = pd.merge(left_df, right_df, how='outer', left_index=True, right_index=True)
print(merged_df)

開啟一列標(biāo)記列，標(biāo)記數(shù)據(jù)來源

merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱','訂單號(hào)'], indicator=True)
print(merged_df)

完整代碼

import pandas as pd

# 讀取兩個(gè) Excel 文件
left_df = pd.read_excel('C:\\Users\\liuchunlin2\\Desktop\\數(shù)據(jù)1.xlsx',sheet_name='Sheet2')
right_df = pd.read_excel('C:\\Users\\liuchunlin2\\Desktop\\數(shù)據(jù)2.xlsx',sheet_name='Sheet2')

#基本用法
merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱'])   # 連接方式，包括 'left', 'right', 'outer', 'inner'，默認(rèn)為 'inner'
print(merged_df)

#指定不同的列名
merged_df = pd.merge(left_df, right_df, how='outer', left_on='店鋪名稱', right_on='店鋪名稱2')
print(merged_df)

#處理重復(fù)列名，相同列名加后綴
merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱'], suffixes=('_left', '_right'))
print(merged_df)

#根據(jù)索引進(jìn)行合并
merged_df = pd.merge(left_df, right_df, how='outer', left_index=True, right_index=True)
print(merged_df)

#開啟一列標(biāo)記列，標(biāo)記數(shù)據(jù)來源
merged_df = pd.merge(left_df, right_df, how='outer', on=['店鋪名稱','訂單號(hào)'], indicator=True)
print(merged_df)

數(shù)據(jù)一：