目录

1.前言

在数据合并操作中，有两个操作函数pd.caoncat()和pd.merge()  ，这两个函数在使用过程中经常会拿来比较，只要我们弄懂了其中重要参数的意义，理解每一个函数的用法，就能做到在那种环境适用那个函数,让我们通过本文深入理解pd.merge().

参考链接：https://cloud.tencent.com/developer/article/2070402

2.参数介绍

参数如下：

3.基础案例

3.1on关键字演示

on默认情况通过表格之间相同的列名作为匹配的键 Key，也可以通过赋予参数来指定列名作为键 Key。例如on=Key

Key可以是一个字符串,也可以是一个list。

下面两个 DataFrame df1 和 df2有相同的列名为‘性别‘和‘年龄’，默认这两列名组合成键 Key。df1 和 df2 对应键的交集是 ‘性别’和’年龄’。从原理出发，可以设计出另一种拼接方法效果一致（pd.merge (df1, df2, how = ‘inner’, on=[‘性别’,’年龄‘])）

运行代码：

import pandas as pd
df1 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'工资':[10000,12000]})

df = pd.merge(df1,df2)
#df = pd.merge (df1, df2, how ='inner', on=['性别','年龄'])  #删除#即可运行

print("df1:\n{}".format(df1)) 
print("df2:\n{}".format(df2)) 
print("df:\n{}".format(df))  

输出结果： 

df1:
  员工姓名 性别  年龄      公司名称
0   张三  男  20  阿里巴巴有限公司
1   李红  女  22  阿里巴巴有限公司
df2:
  员工姓名 性别  年龄     工资
0   张三  男  20  10000
1   李红  女  22  12000
df:
  员工姓名 性别  年龄      公司名称     工资
0   张三  男  20  阿里巴巴有限公司  10000
1   李红  女  22  阿里巴巴有限公司  12000

但是如果指定‘性别’列名为键 Key，结果又不一样了。在有相同的列名性别时，为了区分，默认会加上 _x 和 _y 后缀。

相当于通过suffixes参数自定义后缀suffixes = [‘_x’,’_y’]

运行代码：

import pandas as pd
df1 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'性别':['男','女'],'年龄':['20','22'],'工资':[10000,12000]})

df = pd.merge (df1, df2,on=['年龄'])
# df = pd.merge (df1, df2,on=['年龄'],suffixes = ['_x','_y'])

print("df1:\n{}".format(df1)) 
print("df2:\n{}".format(df2)) 
print("df:\n{}".format(df))  

输出结果：

df1:
  员工姓名 性别  年龄      公司名称
0   张三  男  20  阿里巴巴有限公司
1   李红  女  22  阿里巴巴有限公司
df2:
  员工姓名 性别  年龄     工资
0   张三  男  20  10000
1   李红  女  22  12000
df:
  员工姓名_x 性别_x  年龄      公司名称 员工姓名_y 性别_y     工资
0     张三    男  20  阿里巴巴有限公司     张三    男  10000
1     李红    女  22  阿里巴巴有限公司     李红    女  12000

3.2left_on 和 right_on 关键字

这两个参数通常是使用在两个DataFrame的列名都不相同，但表达意思相同。如例子中的员工姓名和姓名表达意思相同，就要用到 left_on=‘员工姓名’ 和 right_on= ‘姓名’来指定匹配的列,还可以把多余的列删除掉。

 通过指定left_on=‘员工姓名’ 和 right_on= ‘姓名’，我们可以得到这样的列。

代码：

import pandas as pd
df1 = pd.DataFrame({'姓名':['张三','李红'],'公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],'工资':[10000,12000]})

#df = pd.merge (df1, df2,
               left_on=['姓名'],
               right_on = ['员工姓名'])
#df


#axis = 0 是行 axis = 1是列，drop为删除方法
df = pd.merge (df1, df2,
               left_on=['姓名'],
               right_on = ['员工姓名']).drop('员工姓名',axis = 1)
df

3.3left_index 和 right_index 关键字

这两个参数使用的场景通常是我们需要合并列并且合并index，通过设置left_index=True 和 right_index=True使得键与index进行配合。

代码：

df1 = pd.DataFrame({'姓名':['张三','李红'],
                    '公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],
                    '工资':[10000,12000]})
df1 = df1.set_index('姓名')
df2 = df2.set_index('员工姓名')

#合并
df = pd.merge (df1, df2,
               left_index = True,
               right_index = True)
df

 还有混合 left/right_index 和right/left_on 关键字的用法，有兴趣的可以继续深入学习，本文不再介绍。

学习地址：Python 玩转数据 17 – Pandas 数据处理 合并 pd.merge() df1.merge(df2)_df.merge_wumingxiaoyao的博客-CSDN博客

3.4数据连接的类型

数据连接的类型：一对一连接，多对一连接，多对多连接，不同数据类型连接会有不同的差异。

3.4.1 一对一

代码：

import pandas as pd

df1 = pd.DataFrame({'员工姓名':['张三','李红'],
                    '公司名称':['阿里巴巴有限公司','阿里巴巴有限公司']})
df2 = pd.DataFrame({'员工姓名':['张三','李红'],
                    '工资':[10000,12000]})
print(df1)
print(df2)
 
print(pd.merge(df1, df2))

结果：

  员工姓名      公司名称
0   张三  阿里巴巴有限公司
1   李红  阿里巴巴有限公司
  员工姓名     工资
0   张三  10000
1   李红  12000
  员工姓名      公司名称     工资
0   张三  阿里巴巴有限公司  10000
1   李红  阿里巴巴有限公司  12000

3.4.2 多对一

代码：

import pandas as pd

df1 = pd.DataFrame({'编号':['001','002','003'],
                    '学生姓名':['张三','李四','桃五']})
print(df1)
df2 = pd.DataFrame({'编号':['001','001','003'],
                    '语文':[99,98,99],
                    '数学':[115,118,120],
                    '英语':[30,20,50],
                    '月考月份':['1月','2月','1月']})
print(df2)
df_merge=pd.merge(df1,df2,on='编号')
print(df_merge)

结果：

  编号 学生姓名
0  001     张三
1  002     李四
2  003     桃五
  编号  语文  数学  英语 时间
0  001    99   115    30  1月
1  001    98   118    20  2月
2  003    99   120    50  1月
  编号 学生姓名  语文  数学  英语 时间
0  001     张三    99   115    30  1月
1  001     张三    98   118    20  2月
2  003     桃五    99   120    50  1月

3.4.3 多对多

代码：

import pandas as pd


df1 = pd.DataFrame({'编号':['001','002','003','001','001'],
                    '体育':[76,76,76,75,76]})
print(df1)
df2 = pd.DataFrame({'编号':['001','002','003','003','003'],
                    '语文':[110,105,109,110,108],
                    '数学':[105,88,120,123,119],
                    '英语':[99,115,130,109,128]})
print(df2)
df_merge=pd.merge(df1,df2,on='编号')
print(df_merge)

结果：

  编号  体育
0  001    76
1  002    76
2  003    76
3  001    75
4  001    76
  编号  语文  数学  英语
0  001   110   105    99
1  002   105    88   115
2  003   109   120   130
3  003   110   123   109
4  003   108   119   128
  编号  体育  语文  数学  英语
0  001    76   110   105    99
1  001    75   110   105    99
2  001    76   110   105    99
3  002    76   105    88   115
4  003    76   109   120   130
5  003    76   110   123   109
6  003    76   108   119   128

多对多关系会将所有信息一一匹配出来。

总结：

（1）on关键字：通过设置匹配的键 Key来合并数据。

（2）left_on 和 right_on 关键字：不同DataFrame合并相同意义列时使用。

（3）left_index 和 right_index 关键字：合并列并且合并index。