介绍一下Pandas中merge函数的用法。

在 Pandas 里，merge 函数是一个非常强大且常用的工具，它用于将两个或多个 DataFrame 按照指定的条件进行合并。这类似于 SQL 中的 JOIN 操作。下面详细介绍 merge 函数的用法：

基本语法

python

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

参数说明

• left：参与合并的左侧 DataFrame。
• right：参与合并的右侧 DataFrame。
• how：合并方式，可选值有 'inner'（内连接，默认值）、'outer'（外连接）、'left'（左连接）、'right'（右连接）。
• on：用于连接的列名，该列必须同时存在于左右两个 DataFrame 中。如果未指定，则会自动以重叠列名作为连接键。
• left_on：左侧 DataFrame 中用作连接键的列。
• right_on：右侧 DataFrame 中用作连接键的列。
• left_index：如果为 True，则使用左侧 DataFrame 的索引作为连接键。
• right_index：如果为 True，则使用右侧 DataFrame 的索引作为连接键。
• sort：根据连接键对合并后的数据进行排序，默认为 False。
• suffixes：当左右 DataFrame 存在除连接键外的重叠列名时，用于追加到重叠列名后的后缀，默认为 ('_x', '_y')。
• copy：是否复制数据，默认为 True。
• indicator：添加一个名为 _merge 的列，显示每一行的合并来源，值为 'left_only'、'right_only' 或 'both'，默认为 False。
• validate：检查合并类型是否有效，例如 'one_to_one'、'one_to_many' 等。

合并方式示例

1. 内连接（how='inner'）

内连接只保留两个 DataFrame 中连接键匹配的行。

python

import pandas as pd

# 创建示例 DataFrame
left = pd.DataFrame({
    'key': ['K0', 'K1', 'K2', 'K3'],
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3']
})

right = pd.DataFrame({
    'key': ['K0', 'K1', 'K4', 'K5'],
    'C': ['C0', 'C1', 'C4', 'C5'],
    'D': ['D0', 'D1', 'D4', 'D5']
})

# 内连接
result = pd.merge(left, right, on='key', how='inner')
print(result)

在这个例子中，只有 key 列值为 'K0' 和 'K1' 的行被保留，因为只有这些行在两个 DataFrame 中都存在。

2. 外连接（how='outer'）

外连接会保留两个 DataFrame 中所有的行，不匹配的部分用 NaN 填充。

python

# 外连接
result = pd.merge(left, right, on='key', how='outer')
print(result)

这里会包含 left 和 right 中所有的行，对于没有匹配的行，对应列的值会显示为 NaN。

3. 左连接（how='left'）

左连接会保留左侧 DataFrame 中的所有行，右侧 DataFrame 中不匹配的部分用 NaN 填充。

python

# 左连接
result = pd.merge(left, right, on='key', how='left')
print(result)

无论右侧 DataFrame 中是否有匹配项，左侧 DataFrame 的所有行都会被保留。

4. 右连接（how='right'）

右连接会保留右侧 DataFrame 中的所有行，左侧 DataFrame 中不匹配的部分用 NaN 填充。

python

# 右连接
result = pd.merge(left, right, on='key', how='right')
print(result)

与左连接相反，这里会保证右侧 DataFrame 的所有行都被保留。

使用不同列名作为连接键

如果左右 DataFrame 中用于连接的列名不同，可以使用 left_on 和 right_on 参数。

python

left = pd.DataFrame({
    'key_left': ['K0', 'K1', 'K2', 'K3'],
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3']
})

right = pd.DataFrame({
    'key_right': ['K0', 'K1', 'K4', 'K5'],
    'C': ['C0', 'C1', 'C4', 'C5'],
    'D': ['D0', 'D1', 'D4', 'D5']
})

result = pd.merge(left, right, left_on='key_left', right_on='key_right', how='inner')
print(result)

在这个例子中，left 的 key_left 列和 right 的 key_right 列被用作连接键。

使用索引作为连接键

可以通过设置 left_index 和 right_index 参数为 True，使用索引作为连接键。

python

left = pd.DataFrame({
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3']
}, index=['K0', 'K1', 'K2', 'K3'])

right = pd.DataFrame({
    'C': ['C0', 'C1', 'C4', 'C5'],
    'D': ['D0', 'D1', 'D4', 'D5']
}, index=['K0', 'K1', 'K4', 'K5'])

result = pd.merge(left, right, left_index=True, right_index=True, how='inner')
print(result)

这里使用了两个 DataFrame 的索引进行连接。

通过灵活运用 merge 函数的各种参数，可以满足不同场景下的 DataFrame 合并需求。