[1147]pandas中merge()函数的用法详解

merge()

import pandas as pd
pd.merge(DateFrame1,DateFrame2,on =  ,how =  )

merge是pandas中用来合并数据的函数，不像concat是按照某行或某列来合并，而是按照数据中具体的某一字段来连接数据。

具体参数的意思，举例说明，一看就懂！！

举例说明

先列举两个DataFrame

import pandas as pd

df_1 = pd.DataFrame({姓名: ["小明","小红","小刚"],
                   年纪: [10,9,12],
                   城市: [上海,北京,深圳]})
df_1

	姓名	年纪	城市
0	小明	10		上海
1	小红	9		北京
2	小刚	12		深圳

df_2 = pd.DataFrame({零花钱: [50,200,600,400,80],
                   城市: [苏州,北京,上海,广州,重庆]})
df_2

	零花钱	城市
0	50		苏州
1	200		北京
2	600		上海
3	400		广州
4	80		重庆

on表示按照那个特征来找相同的字段：

# 两个DataFrame都有“城市”，并且“城市”里面有相同的元素，可以按照这些相同的元素拼接
result = pd.merge(df_1,df_2, on = 城市)  
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200

没有on的话，就自动找相同的字段

# 没有on的话，就自动找相同的字段
result = pd.merge(df_1,df_2) 
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200

how是指两个DateFrame的拼接方式。

how = ‘outer’:外置，相当于两个DateFrame求并集 how = ‘right’: 右置，合并后，按照最右边不为空的样本显示 how = ‘left’：左置，合并后，按照最左边不为空的样本显示 how = ‘inner’：只显示匹配到的字段的样本

# 外置，相当于两个DateFrame求并集
result = pd.merge(df_1,df_2, on = 城市, how = outer) 
result

	姓名	年纪	城市	零花钱
0	小明	10.0	上海	600.0
1	小红	9.0		北京	200.0
2	小刚	12.0	深圳	NaN
3	NaN		NaN		苏州	50.0
4	NaN		NaN		广州	400.0
5	NaN		NaN		重庆	80.0

# 右置，
result = pd.merge(df_1,df_2, on = 城市,  how = right) 
result

	姓名	年纪	城市	零花钱
0	小明	10.0	上海	600
1	小红	9.0		北京	200
2	NaN		NaN		苏州	50
3	NaN		NaN		广州	400
4	NaN		NaN		重庆	80

# 左置
result = pd.merge(df_1,df_2, on = 城市, how = left) 
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600.0
1	小红	9		北京	200.0
2	小刚	12		深圳	NaN

# how = inner，只显示具有相同字段的样本
result = pd.merge(df_1,df_2, on = 城市, how = inner)  
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200