pandas中merge()函数的用法解读

在pandas中，merge()是一种数据合并函数，用于将两个或多个DataFrame按照某些条件进行连接，并生成一个新的DataFrame。本文将对merge()函数中的参数进行详细讲解，并提供两个示例以说明其用法。

merge()函数的常用参数

• left:要合并的左侧DataFrame。

• right:要合并的右侧DataFrame。

• how:连接方式，可以选择inner（默认）、outer、left或right。

• on:合并的列名（左右两侧都需要用到的列名）或者类似于左侧DataFrame中一列的行索引。

• left_on:左侧DataFrame中用作合并键的列。

• right_on:右侧DataFrame中用作合并键的列。

• left_index:使用左侧DataFrame中的行索引作为连接键。

• right_index:使用右侧DataFrame中的行索引作为连接键。

• suffixes:用于重叠列的后缀添加元组。

示例1：合并两个DataFrame并以列的交集为合并键

import pandas as pd

left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})

right = pd.DataFrame(
   {'id':[1,2,3,4,5],
   'name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})

result = pd.merge(left, right, on='subject_id')

print(result)

输出：

   id_x name_x subject_id  id_y  name_y
0     2    Amy       sub2     1   Billy
1     4  Alice       sub6     1   Billy
2     5  Ayoung      sub5     1   Billy
3     2    Amy       sub2     2   Brian
4     4  Alice       sub6     2   Brian
5     5  Ayoung      sub5     2   Brian
6     3  Allen       sub4     4   Bryce
7     3  Allen       sub4     3    Bran
8     1   Alex       sub1     2   Brian

解释：示例中分别创建了左、右两个DataFrame，然后使用merge()函数将它们连接起来。由于subject_id这一列在左、右两个DataFrame中都存在，因此以该列为合并键。连接方式为inner连接，即只将两个DataFrame在该合并键上具有公共值的行保留；若作为左或右侧DataFrame在该列上无公共值，则不予保留。

示例2：合并两个DataFrame并以行索引作为合并键

import pandas as pd

left = pd.DataFrame({
   'A':['A0','A1','A2','A3'],
   'B':['B0','B1','B2','B3'],
   'C':['C0','C1','C2','C3'],
   'D':['D0','D1','D2','D3']},
   index=[0,1,2,3])

right = pd.DataFrame({
   'A':['A4','A5','A6','A7'],
   'B':['B4','B5','B6','B7'],
   'C':['C4','C5','C6','C7'],
   'D':['D4','D5','D6','D7']},
   index=[4,5,6,7])

result = pd.merge(left, right, left_index=True, right_index=True)

print(result)

输出：

   A_x  B_x  C_x  D_x  A_y  B_y  C_y  D_y
0   A0   B0   C0   D0   A4   B4   C4   D4
1   A1   B1   C1   D1   A5   B5   C5   D5
2   A2   B2   C2   D2   A6   B6   C6   D6
3   A3   B3   C3   D3   A7   B7   C7   D7

解释：此示例中分别创建了两个DataFrame，并通过index设定了行索引。使用left_index=True, right_index=True来指定将两个DataFrame的行索引作为合并键。如此一来，结果DataFrame的行数与两个源DataFrame的行数取最小值，即为4。两个DataFrame的行是按照索引排序的，左侧DataFrame始终记录在_x后缀列中，右侧DataFrame则以_y作为后缀。