python 合并表格详解

Python 合并表格（Merge Table）是将多个表格中的数据进行整合，适用于数据清洗、数据处理等操作。这里将介绍使用pandas库进行Python合并表格的完整攻略。

规划合并表格

在进行Python合并表格时，首先需要对不同数据表格的数据类型、结构进行清晰的规划和分类，需要注意以下几个问题：

1. 数据表格结构、格式是否一致；
2. 数据表格中的 key 主键是否对应；
3. 数据表格中是否包含重复数据。

一般我们需要将数据表格的主键进行清晰的规划和分类，以确保合并表格操作的正确性。例如，以下为两个数据表格：

df1:
| id | name | age |
| -- | ---- | --- |
|  1 | Tom  |  23 |
|  2 | Jack |  25 |

df2:
| id | score |
| -- | ----- |
|  1 |    85 |
|  3 |    92 |

在合并这两个数据表格时，我们可以通过 id 进行合并，此时 df1 中的 id 和 df2 中的 id 都为主键。需要注意的是，两个数据表格中如果存在完全相同的 id 值，需要对其进行合并或去重操作。

Python实现合并表格方法

连接两个表格

• 代码

import pandas as pd

df1 = pd.DataFrame({
    'id': [1, 2],
    'name': ['Tom', 'Jack'],
    'age': [23, 25]
})

df2 = pd.DataFrame({
    'id': [1, 3],
    'score': [85, 92]
})

df_merged = pd.merge(df1, df2, on='id', how='left')
print(df_merged)

• 结果

   id name  age  score
0   1  Tom   23   85.0
1   2 Jack   25    NaN

• 解析

上述代码中，首先通过 pandas 库中的 DataFrame 函数创建了两个包含相应数据的数据表格 df1 和 df2。然后通过 pd.merge 函数将这两个数据表格按照 id 进行连接，通过 how 参数指定了连接的方式，此处使用了 left 连接，即以 df1 为基础，同时将 df2 中的数据加入到 df1 中。最后通过 print() 函数输出结果。

连接多个表格

• 代码

import pandas as pd

df1 = pd.DataFrame({
    'id': [1, 2],
    'name': ['Tom', 'Jack'],
    'age': [23, 25]
})

df2 = pd.DataFrame({
    'id': [1, 3],
    'score': [85, 92]
})

df3 = pd.DataFrame({
    'id': [2, 3],
    'address': ['Beijing', 'Shanghai']
})

df_merged = pd.merge(df1, df2, on='id', how='left')
df_merged = pd.merge(df_merged, df3, on='id', how='left')
print(df_merged)

• 结果

   id name  age  score   address
0   1  Tom   23   85.0       NaN
1   2 Jack   25    NaN  Beijing

• 解析

上述代码中，首先通过 pandas 库中的 DataFrame 函数创建了三个包含相应数据的数据表格 df1、df2 和 df3。然后通过多个 pd.merge 函数将这三个数据表格按照 id 进行连接，以实现多个表格的合并。最后通过 print() 函数输出结果。

总结

学习了本篇攻略，相信大家已经掌握了 Python 合并表格的相关技能。需要注意的是，合并表格前需要对数据表格的结构、格式进行详细规划，以确保合并操作的正确性。