Pandas数据分析系列7-连接&合并查询

Pandas 查询

Pandas 连接查询-merge

在实际数据分析过程中，有时候需要把不同的工作表，按照某些公共的列，将多个工作表连接起来，组合成一份新工作表，类似于Excel的Vlooup函数，或数据库的连接关系。Pandas 也提供了连接关系函数merge(),其将两个DataFrame的行按照指定的列进行匹配合并，并返回一个新的DataFrame。合并的方式可以是交集、并集、左连接或右连接，具体由参数how决定。

语法结构：

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

参数说明：

left：要合并的左侧DataFrame

right：要合并的右侧DataFrame

how：合并的方式，默认为'inner'，表示取两个DataFrame的交集、

         'outer'（并集）、'left'（左连接）和'right'（右连接）

on：用于合并的列名（键），如果左右两个DataFrame中具有相同的列名，则可以省略此参数

left_on和`right_on：左右两个DataFrame中用于合并的列名，如果左右两个DataFrame中的列名不同，则需要分别指定

left_index和right_index：是否使用索引作为合并的键

sort：是否按照合并的键对合并结果进行排序，默认为True

suffixes：用于区分重复列名的后缀，默认为('_x', '_y')

copy：是否复制数据，默认为True，即每次合并都会返回新的DataFrame

indicator：是否附加一个特殊的列来标识每行的来源

Pandas merge 示例说明

   merge连接使用示例:

   merge 连接没有指写on参数时，默认以两表的共公列做为关联自动匹配，如果指定on=“列名称” 则以on指定的列名进行两表关联查询。

Pandas 合并查询-concat

   merge查询，是将左表和右边按着指定的key进行联系查询，显示的是横向连接查询。无法实现纵向连接，那在工作中如果两个表的数据列都相同，那怎样合并呢？类似Excel 追加数据。这时可以使用Pandas的concat函数来解决。

语法结构如下：

pandas.concat(objs, axis=0, join='outer', ignore_index=False)

参数定义说明：

objs：要合并的DataFrame对象列表或字典。这是concat函数最重要的参数，用于指定要合并的对象 eg:[df1, df2]

axis：指定合并的轴，默认为0，表示按行进行合并；当axis=1时，表示按列进行合并

join：指定合并的方式，默认为'outer'，表示取并集；当join='inner'时，表示取交集

ignore_index：是否忽略原来的索引，默认为False。如果设置为True，合并后的结果将重新生成新的连续索引

merge与concat 比较:

①concat方法不需要指定连接的列，只需要指定拼接的轴即可

②merge方法支持多种连接方式，包括内连接、左连接、右连接和外连接等

③merge方法适用于基于指定列进行连接的场景

④concat方法适用于简单的数据拼接场景

总结：如果需要按照特定的列连接，且需要更复杂的合并操作，使用merge方法

       如果仅需进行简单的数据拼接，使用concat方法

Pandas concat示例说明

concat合并使用示例: