Python学习-两个数据表的合并方法（merge）

merge函数：

        Python牛马界的神奇数据表合并方法

适用场景：

        通过两个数据表的某列，进行匹配，将两个数据表拼接在一起

适用的库：

pandas

基本语法：

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,

             validate=None)

参数说明：

        left：要合并的DataFrame对象，一般可称作左表

        right：要合并的DataFrame对象，一般可称作右表

        how：合并的类型，使用的合并类型不同，获取到的结果也不同，例如：

•                 left/right：以左（右）表的键为主，值得注意的是，一般通过left（right）合并，
  •                                 得到的数据表行数，只会和左（右）表的行数一致，若有超出的情况，
    •                                 则需要查看是否有左（右）表一个键对应右（左）表多个键的情况
      •                 outer：以左右两表的键为主
        •                 inner：以左右两个表中都包含的键为主
          •         on：合并键的列名，即左右表中都存在的列
            •         left_on/right_on：左（右）表中的作为合并键的列名
              •         left_index/right_index：是否将索引作为合并的键，布尔值
                •         sort：是否根据合并键对合并后的数据进行排序，布尔值（默认为True）
                  •         suffixes：元组，如果左右两个表存在相同的列名时，给列名添加后缀（默认添加'_x'，'_y'）
                    •         copy：是否返回新对象（默认为True），否返回对输入值的引用，布尔值
                      •         indicator：是否添加一个 '_merge' 的输出列，标注每一行的原始数据来源
                        •                         （'left_only'、'right_only'、'both'），布尔值
                          •         validate：用于检查合并是否满足特定条件的字符串或可调用对象

              • 实例一：left合并方式

                • 代码如下所示：

                  • import pandas as pd
                    
                    # 创建两个示例数据框
                    df1 = pd.DataFrame({
                        'A': ['北京','南京', '新疆'],
                        'B': ['甲', '乙', '丙']
                    })
                    
                    df2 = pd.DataFrame({
                        'C': ['上海','北京', '新疆'],
                        'D': ['甲', '乙', '丙']
                    })
                    
                    #这种用法下df1为左表，df2为右表，左匹配不到的行自动填充为nan
                    merged_df = df1.merge(df2,left_on = 'A',right_on='C',how='left')
                    print(merged_df)
                    

                       结果：

•                 

实例二：right合并方式

代码如下所示：

import pandas as pd

# 创建两个示例数据框
df1 = pd.DataFrame({
    'A': ['北京','南京', '新疆'],
    'B': ['甲', '乙', '丙']
})

df2 = pd.DataFrame({
    'C': ['上海','北京', '新疆','河北'],
    'D': ['甲', '乙', '丙','丁'],

})

#这种用法下df1为左表，df2为右表，左匹配不到的行自动填充为nan
merged_df = df1.merge(df2,left_on = 'A',right_on='C',how='right')
print(merged_df)

结果：

就说这叭，累了，剩下的你还是自己试试叭