如何進行python的merge理解

如何進行python的merge理解，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

merge

pandas的merge方法提供了一種類似于SQL的內存鏈接操作，官網文檔提到它的性能會比其他開源語言的數據操作（例如R）要高效。

和SQL語句的對比可以看這里

merge的參數

on：列名，join用來對齊的那一列的名字，用到這個參數的時候一定要保證左表和右表用來對齊的那一列都有相同的列名。

left_on：左表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

right_on：右表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

left_index/ right_index: 如果是True的haunted以index作為對齊的key

how：數據融合的方法。

sort：根據dataframe合并的keys按字典順序排序，默認是，如果置false可以提高表現。

merge的默認合并方法：
    merge用于表內部基于 index-on-index 和 index-on-column(s) 的合并，但默認是基于index來合并。12

1.1 復合key的合并方法

使用merge的時候可以選擇多個key作為復合可以來對齊合并。1

1.1.1 通過on指定數據合并對齊的列

In [41]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
   ....:                      'key2': ['K0', 'K1', 'K0', 'K1'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 

In [42]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
   ....:                       'key2': ['K0', 'K0', 'K0', 'K0'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 

In [43]: result = pd.merge(left, right, on=['key1', 'key2'])1234567891011121312345678910111213

 
沒有指定how的話默認使用inner方法。

how的方法有：

left

只保留左表的所有數據

In [44]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])11

right

只保留右表的所有數據

In [45]: result = pd.merge(left, right, how='right', on=['key1', 'key2'])11

outer

保留兩個表的所有信息

In [46]: result = pd.merge(left, right, how='outer', on=['key1', 'key2'])11

inner

只保留兩個表中公共部分的信息

In [47]: result = pd.merge(left, right, how='inner', on=['key1', 'key2'])11

思考：如果 left,right 的鍵值對名稱不一致，應該如何關聯

看完上述內容，你們掌握如何進行python的merge理解的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！