Pandas merge
pandas.merge()是pandas库中用于合并两个或多个DataFrame对象的函数，其常用的参数有以下几个：
- left：要合并的左侧DataFrame。
- right：要合并的右侧DataFrame。
- how：指定合并方式，包括‘left’、‘right’、‘outer’和‘inner’四种。
- on：指定按照哪些列进行合并，可以是单个列名或包含多个列名的列表。
- left_on和right_on：指定左侧和右侧DataFrame中进行合并的列名，如果两个DataFrame中的列名不同，需要通过这两个参数指定。
- suffixes：指定当两个DataFrame中有相同列名时，为区分而添加的后缀。
示例代码
|
1
2
3
4
5
6
7
8
9
|
import pandas as pd# 创建两个DataFramedf1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'], 'value': [5, 6, 7, 8]})# 通过key列合并两个DataFramemerged = pd.merge(df1, df2, on='key')print(merged) |
运行结果：
key value_x value_y
0 B 2 5
1 D 4 6
在这个例子中，创建了两个DataFrame对象df1和df2，它们都有一个名为’key’的列。使用pd.merge()函数将这两个DataFrame对象按照’key’列进行合并，并将结果存储在merged变量中。最后，输出了合并后的结果，其中value_x和value_y分别代表合并前的df1和df2中的’value’列。
保留左边的DataFram
如果只想考虑左侧的DataFrame对象，在pandas.merge()函数中可以设置how=‘left’参数来实现。具体来说，how参数控制了两个DataFrame对象之间的合并方式，可以取值为’left’、‘right’、‘outer’和’inner’。当取值为’left’时，pandas.merge()函数会将左侧DataFrame对象中所有的行保留，并在合并后的DataFrame对象中添加右侧DataFrame对象中能够和左侧DataFrame对象匹配的行。
下面是一个示例代码：
|
1
2
3
4
5
6
7
8
9
10
|
import pandas as pd# 创建两个DataFramedf1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'], 'value': [5, 6, 7, 8]})# 只考虑左侧的DataFrame对象merged = pd.merge(df1, df2, on='key', how='left')print(merged) |
运行结果：
key value_x value_y
0 A 1 NaN
1 B 2 5.0
2 C 3 NaN
3 D 4 6.0
在这个例子中，将df1和df2按照’key’列进行合并，并将合并方式设置为’left’。合并结果中包含了df1中所有的行，因为只考虑左侧的DataFrame对象。右侧的DataFrame对象中’key’列为’E’和’F’的行在合并后的DataFrame对象中的’value_y’列都是NaN。
到此这篇关于Pandas merge合并两个DataFram的实现的文章就介绍到这了,更多相关Pandas merge合并两个DataFram内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/uncle_ll/article/details/129548394
