Pandas连接合并函数merge()详解

在pandas中，merge函数用于将两个数据集按照某些规则合并为一个数据集。本文将详细讲解merge函数的用法和示例。

merge函数的分类

merge有四种连接方式：

1. 内连接（inner join）
2. 左连接（left join）
3. 右连接（right join）
4. 外连接（outer join）

merge函数的基本用法

merge函数的基本语法如下：

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False)

参数说明：

• left: 需要合并的左侧数据集
• right: 需要合并的右侧数据集
• on: 两个数据集连接的列名，可指定多个列名
• how: 指定连接方式，默认是inner join
• left_on: 左侧数据集中连接列的列名
• right_on: 右侧数据集中连接列的列名
• left_index: 是否将左侧索引用作连接键
• right_index: 是否将右侧索引用作连接键
• sort: 按照连接键对合并后的数据集进行排序

下面通过两个例子说明merge函数的用法。

示例一

在该例子中，我们将合并两个不同的数据集。left数据集中包含了汽车品牌和证书，right数据集中包含了汽车品牌和颜色。我们根据汽车品牌将它们合并，得到一个包含证书、颜色和品牌的新数据集。

import pandas as pd

# 创建left数据集
data1 = {'cars': ['Toyota', 'Nissan', 'Honda'], 'certificate': ['yes', 'no', 'yes']}
left = pd.DataFrame(data = data1)

# 创建right数据集
data2 = {'cars': ['Toyota', 'Nissan', 'Honda'], 'color': ['red', 'blue', 'yellow']}
right = pd.DataFrame(data = data2)

# 按照cars列合并两个数据集
data_merge = pd.merge(left, right, on='cars')

print(data_merge)

输出结果如下：

	cars	certificate	color
0	Toyota	yes	red
1	Nissan	no	blue
2	Honda	yes	yellow

从结果中可以看到，两个数据集按照cars列进行了合并。

示例二

在该例子中，我们将合并两个包含相同信息的数据集，left_data数据集中包含了员工ID和姓名，right_data数据集中包含了员工ID和年龄。我们根据员工ID将它们合并，得到一个包含ID、姓名和年龄的新数据集。

import pandas as pd

# 创建left数据集
data1 = {'ID': [1, 2, 3, 4, 5], 'Name': ['Tom', 'Jerry', 'Andy', 'Mike', 'Carl']}
left_data = pd.DataFrame(data=data1)

# 创建right数据集
data2 = {'ID': [1, 2, 4, 5, 6], 'Age': [23, 35, 28, 32, 29]}
right_data = pd.DataFrame(data=data2)

# 按照ID列合并两个数据集
join_data = pd.merge(left_data, right_data, on='ID')

print(join_data)

输出结果如下：

	ID	Name	Age
0	1	Tom	23
1	2	Jerry	35
2	4	Mike	28
3	5	Carl	32

从结果中可以看到，两个数据集按照ID列进行了合并，且只保留了ID存在于两个数据集中的行。

总结

通过上述两个示例，我们可以发现merge函数的实现非常简单，只需要指定需要合并的数据集和连接键即可完成。merge函数支持不同的连接方式，可以根据实际情况选择最合适的连接方式。