数据分析笔记--pandas的多表连接

import pandas as pd

import numpy as np

定义两个DataFrame数据集

使用merge进行多表连接

1.默认连接方式（会使用表之间相同的列名作为外键进行连接，如果有两边对不上的字段则会自动丢弃）

2.通过on指定外键

on指定外键，如果有重名的列名就会自动更改名称，有不对应的数据也会丢弃

pd.merge默认使用的是内连接

内连接：相当于取两个数据集的交集，即二者都有的部分

外连接：两个数据集的并集，即全部数据

3.通过how指定连接方式

inner表示内链接，outer表示外连接（缺失数据会补充为NaN）

left表示左连接，right表示右连接（尽量保证左表的数据完整或者右表的数据完整）

4.指定左边表的外键left_on和右边表的外键right_on(处理两张表的外键不统一的情况)

5.left_index和right_index(使用索引作为外键连接)

如下，左边表使用列名作为外键，右边表使用索引作为外键

如果合并之后两边表有重名的列，则自动会在列名后加上_x或者_y

要想自定义后缀，则需要加上suffixes参数，例如suffixes=["_left","_right"]