@ -1,10 +1,11 @@
# 3.2.4：合并与连接
# 3.2.4：合并与连接
## 相关知识
## 相关知识
`merge()` 可根据一个或者多个键将不同的`DataFrame`连接在一起，类似于`SQL`数据库中的合并操作。`merge()` 可根据一个或者多个键将不同的`DataFrame`连接在一起，类似于`SQL`数据库中的合并操作。
参数名|说明
参数名|说明
--|--- :-:|:-:
left|拼接左侧DataFrame对象
left|拼接左侧DataFrame对象
right|拼接右侧DataFrame对象
right|拼接右侧DataFrame对象
on|列(名称)连接，
on|列(名称)连接，
@ -12,13 +13,14 @@ left_on|左侧DataFrame中的列或索引级别用作键，
right_on|右侧DataFrame中的列或索引级别用作键。可以是列名， ，
right_on|右侧DataFrame中的列或索引级别用作键。可以是列名， ，
left_index|如果为True，
left_index|如果为True，
right_index|与left_index相似
right_index|与left_index相似
how|它可以等于’ ’ ‘ ’ ‘ ’ ‘ ’ ，
how|它可以等于left, right, outer, inner. 默认inner。inner是取交集，
sort|sort - 按照字典顺序通过连接键对结果DataFrame进行排序。
sort|按照字典顺序通过连接键对结果DataFrame进行排序。
suffixes|用于追加到重叠列名的末尾。例如， ‘ ’ ‘ ’ ‘ ’
suffixes|用于追加到重叠列名的末尾。例如， ，
copy|默认总是复制
copy|默认总是复制
---
---
## 数据连接的类型
## 数据连接的类型
- 一对一的连接
- 一对一的连接
```python
```python
@ -27,32 +29,44 @@ df2 = pd.DataFrame({'employee': ['Lisa', 'Bob', 'Jake', 'Sue'], 'hire_date': [20
df3 = pd.merge(df1,df2)
df3 = pd.merge(df1,df2)
df3
df3
```
```
输出：
输出：
- 多对一的连接
- 多对一的连接
```python
```python
df4 = pd.DataFrame({'group': ['Accounting', 'Engineering', 'HR'], 'supervisor': ['Carly', 'Guido', 'Steve']})
df4 = pd.DataFrame({'group': ['Accounting', 'Engineering', 'HR'], 'supervisor': ['Carly', 'Guido', 'Steve']})
pd.merge(df3,df4)
pd.merge(df3,df4)
```
```
输出：
输出：
- 多对多连接
- 多对多连接
```python
```python
df5 = pd.DataFrame({'group': ['Accounting', 'Accounting', 'Engineering', 'Engineering', 'HR', 'HR'], 'skills': ['math', 'spreadsheets', 'coding', 'linux', 'spreadsheets', 'organization']})
df5 = pd.DataFrame({'group': ['Accounting', 'Accounting', 'Engineering', 'Engineering', 'HR', 'HR'], 'skills': ['math', 'spreadsheets', 'coding', 'linux', 'spreadsheets', 'organization']})
pd.merge(df1,df5)
pd.merge(df1,df5)
```
```
输出：
输出：
## merge()的主要参数
## merge()的主要参数
**1. `on` ** 可以是列名字符串或者一个包含多列名称的列表
**1. `on` ** 可以是列名字符串或者一个包含多列名称的列表
```python
```python
pd.merge(df1, df2, on='employee')
pd.merge(df1, df2, on='employee')
```
```
输出：
输出：
*这个参数只能在两个`DataFrame`有共同列名的时候才可以使用。*
*这个参数只能在两个`DataFrame`有共同列名的时候才可以使用。*
**2. `left_on` 与`right_on`参数**
**2. `left_on` 与`right_on`参数**
有时你也需要合并两个列名不同的数据集，例如前面的员工信息表中有一个字段不是`employee`而是`name`。在这种情况下，就可以用`left_on`和`right_on`参数来指定列名。
有时你也需要合并两个列名不同的数据集，例如前面的员工信息表中有一个字段不是`employee`而是`name`。在这种情况下，就可以用`left_on`和`right_on`参数来指定列名。
@ -60,71 +74,94 @@ pd.merge(df1, df2, on='employee')
df3 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'salary': [70000, 80000, 120000, 90000]})
df3 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'salary': [70000, 80000, 120000, 90000]})
dfx = pd.merge(df1,df3,left_on="employee",right_on="name")
dfx = pd.merge(df1,df3,left_on="employee",right_on="name")
```
```
输出：
输出：
**如果出现重复列，但是列名不同时，可以使用`drop`方法将这列去掉**
**如果出现重复列，但是列名不同时，可以使用`drop`方法将这列去掉**
```python
```python
dfx.drop("name",axis=1)
dfx.drop("name",axis=1)
```
```
输出：
输出：
**3. left_index与right_index参数** 用于合并索引
**3. left_index与right_index参数** 用于合并索引
```python
```python
df1a = df1.set_index('employee')
df1a = df1.set_index('employee')
df2a = df2.set_index('employee')
df2a = df2.set_index('employee')
pd.merge(df1a,df2a,left_index=True,right_index=True)
pd.merge(df1a,df2a,left_index=True,right_index=True)
```
```
输出：
输出：
---
---
用`join()`方法也可以实现该功能：
用`join()`方法也可以实现该功能：
```python
```python
df1a.join(df2a)
df1a.join(df2a)
```
```
输出：
输出：
---
---
如果想将索引与列混合使用，那么可以通过结合`left_index`与` right_on`，或者结合`left_on`与`right_index`来实现。
如果想将索引与列混合使用，那么可以通过结合`left_index`与` right_on`，或者结合`left_on`与`right_index`来实现。
```python
```python
pd.merge(df1a, df3, left_index=True, right_on='name')
pd.merge(df1a, df3, left_index=True, right_on='name')
```
```
输出：
输出：
---
---
**4. how参数**
**4. how参数**
`how` 参数默认情况下是`inner`， `how` 参数默认情况下是`inner`，也就是取交集。`how`参数支持的数据连接方式还有`outer`、`left`和`right`。`outer`表示外连接，取并集。
```python
```python
df6 = pd.DataFrame({'name': ['Peter', 'Paul', 'Mary'], 'food': ['fish', 'beans', 'bread']}, columns=['name', 'food'])
df6 = pd.DataFrame({'name': ['Peter', 'Paul', 'Mary'], 'food': ['fish', 'beans', 'bread']}, columns=['name', 'food'])
df7 = pd.DataFrame({'name': ['Mary', 'Joseph'], 'drink': ['wine', 'beer']}, columns=['name', 'drink'])
df7 = pd.DataFrame({'name': ['Mary', 'Joseph'], 'drink': ['wine', 'beer']}, columns=['name', 'drink'])
pd.merge(df6, df7, how='outer')
pd.merge(df6, df7, how='outer')
```
```
输出：
输出：
---
---
左连接和右连接返回的结果分别只包含左列和右列。
左连接和右连接返回的结果分别只包含左列和右列。
```python
```python
pd.merge(df6, df7, how='left')
pd.merge(df6, df7, how='left')
```
```
输出：
输出：
**5. suffixes参数**
**5. suffixes参数**
如果输出结果中有两个重复的列名，因此`pd.merge()`函数会自动为它们增加后缀 `_x ` 或 `_y` ，当然也可以通过`suffixes`参数自定义后缀名。
如果输出结果中有两个重复的列名，因此`pd.merge()`函数会自动为它们增加后缀 `_x ` 或 `_y` ，当然也可以通过`suffixes`参数自定义后缀名。
```python
```python
df8 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'rank': [1, 2, 3, 4]})
df8 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'rank': [1, 2, 3, 4]})
df9 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'rank': [3, 1, 4, 2]})
df9 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'], 'rank': [3, 1, 4, 2]})
pd.merge(df8, df9, on="name", suffixes=["_L", "_R"])
pd.merge(df8, df9, on="name", suffixes=["_L", "_R"])
```
```
输出：
输出：
`suffixes` 参数同样适用于任何连接方式，即使有三个及三个以上的重复列名时也同样适用。`suffixes` 参数同样适用于任何连接方式，即使有三个及三个以上的重复列名时也同样适用。
