Pandas merge()函数的用法（附带实例）

Pandas 是具有功能全面的高性能内存中的连接操作的，与 SQL 等关系数据库非常相似。

Pandas 提供了一个单独的 merge() 函数，用作 DataFrame 对象之间所有标准数据库连接操作的入口。函数的格式为：

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

其中：

• left 表示一个 DataFrame 对象；
• right 是另一个 DataFrame 对象；
• on 是列（名称）连接，必须在左和右 DataFrame 对象中存在；
• left_on 表示左侧 DataFrame 中的列用作键，可以是列名或长度等于 DataFrame 长度的数组；
• right_on 表示右侧 DataFrame 中的列作为键，可以是列名或长度等于 DataFrame 长度的数组；
• left_index 如果为 True，则使用左侧 DataFrame 中的索引（行标签）作为其连接键，在具有 MultiIndex（分层）的 DataFrame 的情况下，级别的数量必须与来自右侧 DataFrame 的连接键的数量相匹配；
• right_index 与右侧 DataFrame 的 left_index 具有相同的用法；
• how 是 left、right、outer 以及 inner 之中的一个，默认为 inner；
• sort 表示按照字典顺序通过连接键对结果 DataFrame 进行排序，默认为 True，设置为 False 时，在很多情况下可大大提高性能。

【实例】创建两个不同的 DataFrame 并对其执行合并操作。

import pandas as pd
left = pd.DataFrame({
    'id':[1,2,3,4,5],
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
    'id':[1,2,3,4,5],
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print (left)
print("----------------------------")
print (right)

运行程序，输出如下：

   id   Name subject_id
0   1   Alex       sub1
1   2    Amy       sub2
2   3  Allen       sub4
3   4  Alice       sub6
4   5  Ayoung       sub5
----------------------------
   id      Name subject_id
0   1    Billy       sub2
1   2    Brian       sub4
2   3     Bran       sub3
3   4    Bryce       sub6
4   5    Betty       sub5

还可以在一个键上合并两个数据帧，例如：

import pandas as pd
left = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5']})
rs = pd.merge(left,right,on='id')
print(rs)

运行程序，输出如下：

   id Name_x  subject_id_x Name_y subject_id_y
0   1  Alex   sub1         Billy  sub2
1   3  Amy    sub2         Brian  sub4
2   5  Allen  sub4         Bran   sub3
3   7  Alice  sub6         Bryce  sub6
4   9  Ayoung sub5         Betty  sub5

此外，还可以合并多个键上的两个数据帧，例如：

import pandas as pd
left = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5']})
rs = pd.merge(left,right,on=['id','subject_id'])
print(rs)

运行程序，输出如下：

   id Name_x subject_id Name_y
0   7 Alice  sub6       Bryce
1   9 Ayoung sub5       Betty

在 merge() 函数中，参数 how 的取值不同，会得到不同的合并效果。如果组合键没有出现在左侧或右侧表中，则连接表中的值将为 NA。

【实例】使用 how 参数合并数据。

import pandas as pd
left = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
    'id':[1,3,5,7,9],
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5']})
rs = pd.merge(left, right, on='subject_id', how='left')
print("how='left'连接结果:")
print(rs)
rs = pd.merge(left, right, on='subject_id', how='right')
print("how='right'连接结果:")
print(rs)
rs = pd.merge(left, right, how='outer', on='subject_id')
print("how='outer'连接结果:")
print(rs)
# 连接将在索引上进行
rs = pd.merge(left, right, on='subject_id', how='inner')
print("how='inner'连接结果:")
print(rs)

运行程序，输出如下：

how='left'连接结果:
   id_x    Name_x     subject_id  id_y   Name_y
0     1    Alex       sub1        NaN    NaN
1     3    Amy        sub2        1.0    Billy
2     5    Allen      sub4        3.0    Brian
3     7    Alice      sub6        7.0    Bryce
4     9    Ayoung     sub5        9.0    Betty
how='right'连接结果:
   id_x    Name_x     subject_id  id_y   Name_y
0   3.0    Amy        sub2        1.0    Billy
1   5.0    Allen      sub4        3.0    Brian
2   7.0    Alice      sub6        7.0    Bryce
3   9.0    Ayoung     sub5        9.0    Betty
4   NaN    NaN        sub3        5.0    Bran
how='outer'连接结果:
   id_x    Name_x     subject_id  id_y   Name_y
0   1.0    Alex       sub1        NaN    NaN
1   3.0    Amy        sub2        1.0    Billy
2   5.0    Allen      sub4        3.0    Brian
3   7.0    Alice      sub6        7.0    Bryce
4   9.0    Ayoung     sub5        9.0    Betty
5   NaN    NaN        sub3        5.0    Bran
how='inner'连接结果:
   id_x    Name_x     subject_id  id_y   Name_y
0     3    Amy        sub2        1.0    Billy
1     5    Allen      sub4        3.0    Brian
2     7    Alice      sub6        7.0    Bryce
3     9    Ayoung     sub5        9.0    Betty