Pandas merge()的用法（附带实例）

Pandas 模块的 merge() 方法可将两个列名相同的列合并，两个 DataFrame 对象必须含有同名的列。

merge() 方法的语法格式如下：

pandas.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

merge() 方法会返回 DataFrame 对象，两个合并对象的数据集。各个参数的含义如下表所示：

参数	说明
right	合并对象，DataFrame 对象或 Series 对象。
how	合并类型，参数值可以是 left（左合并）、right（右合并）、outer（外部合并）或inner（内部合并），默认值为 inner。 各个值的说明如下： left：只使用来自左数据集的键，类似于 SQL 的左外部连接，保留键的顺序； right：只使用来自右数据集的键，类似于 SQL 的右外部连接，保留键的顺序； outer：使用来自两个数据集的键，类似于 SQL 的外部连接，按字典顺序对键进行排序； inner：使用来自两个数据集的键的交集，类似于 SQL 的内部连接，保留左键的顺序。
on	标签、列表或数组，默认值为 None。DataFrame 对象中要合并的列或索引级别名称，也可以是 DataFrame 对象长度的数组或数组列表。
left_on	标签、列表或数组，默认值为 None。要合并的左数据集的列或索引级名称，也可以是左数据集长度的数组或数组列表。
right_on	标签、列表或数组，默认值为 None。要合并的右数据集的列或索引级名称，也可以是右数据集长度的数组或数组列表。
left_index	布尔型，默认值为 False。使用左数据集的索引作为合并键。如果是多重索引，则其他数据中的键数（索引或列数）必须匹配索引的级数。
right_index	布尔型，默认值为 False，使用右数据集的索引作为合并键。
sort	布尔型，默认值为 False，在合并结果中按字典顺序对合并键进行排序。如果为 False，则合并键的顺序取决于连接类型how参数。
suffixes	元组类型，默认值为 _x 或 _y。当左侧数据集和右侧数据集的列名相同时，数据合并后列名将带上“_x”和“_y”后缀。
copy	是否复制数据，默认值为 True，如果为 False，则不复制数据。
indicator	布尔型或字符串，默认值为 False。如果值为 True，则添加一列，用来输出名为“_Merge”的 DataFrame 对象，其中包含每一行的信息。如果是字符串，则向输出的 DataFrame 对象中添加包含每一行信息的列，并将列命名为字符型的值。
validate	字符串，检查合并数据是否为指定类型。可选参数，其值说明如下： one_to_one 或“1：1”：检查合并键在左右数据集中是否都是唯一的； one_to_many 或“1：m”：检查合并键在左数据集中是否是唯一的； many_to_one 或“m：1”：检查合并键在右数据集中是否是唯一的； many_to_many 或“m：m”：允许，但不检查。

Pandas merge()常规合并

假设一个 DataFrame 对象中包含学生的“语文”、“数学”和“英语”成绩，而另一个 DataFrame 对象中包含了学生的“体育”成绩，现在将它们合并，示意图如下图所示。


程序代码如下：

# 导入pandas模块
import pandas as pd

# 解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)

# 创建数据
df1 = pd.DataFrame({'编号':['mr001','mr002','mr003'],
    '语文':[110,105,109],
    '数学':[105,88,120],
    '英语':[99,115,130]})

df2 = pd.DataFrame({'编号':['mr001','mr002','mr003'],
    '体育':[34.5,39.7,38]})

# 数据合并
df_merge=pd.merge(df1,df2,on='编号')
print(df_merge)

运行程序，结果如下图所示：


【实例】如果通过索引合并数据，则需要将 right_index 参数和 left_index 参数的值设置为 True。例如，对于上述示例，若通过索引合并数据，主要代码如下：

df_merge = pd.merge(df1, df2, right_index=True, left_index=True)
print(df_merge)

运行程序，结果如下图所示：


【实例】从图 3 所示的运行结果得知，数据中存在重复列（如编号），如果不想要重复列可以通过 how 参数解决这一问题。例如，设置该参数值为 left，就是让 df1 保留所有的行列数据，df2 则根据 df1 的行列进行补全，主要代码如下：

df_merge = pd.merge(df1, df2, on='编号', how='left')

运行程序，结果如下图所示：

Pandas merge()多对一的数据合并

多对一是指两个数据集（df1、df2）的共有列中的数据不是一对一的关系。

例如，df1 中的“编号”是唯一的，而 df2 中的“编号”有重复的值，类似这种就是多对一的关系，示意图如下图所示：


【实例】根据共有列中的数据进行合并，df2 根据 df1 的行列进行补全，主要代码如下：

# 按编号列合并数据
df_merge = pd.merge(df1, df2, on='编号')
print(df_merge)

运行程序，结果如下图所示：

Pandas merge()多对多的数据合并

多对多是指两个数据集（df1、df2）的共有列中的数据不全是一对一的关系，都有重复数据，示意图如下图所示。


【实例】根据共有列中的数据进行合并，df2、df1 相互补全，主要代码如下：

# 数据合并
df_merge = pd.merge(df1, df2)
print(df_merge)

运行程序，结果如下图所示：