pandas函数之merge

1、merge

　　pandas.merge(left, 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)

　　（1）参数

　　　　　　left:DataFrame

　　　　　　right:DataFrame or named Series。

　　　　　　how:{‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}, default ‘inner’

　　　　　　　　　　left: use only keys from left frame, similar to a SQL left outer join; preserve key order.

　　　　　　　　　　right: use only keys from right frame, similar to a SQL right outer join; preserve key order.

　　　　　　　　　　outer: use union of keys from both frames, similar to a SQL full outer join; sort keys lexicographically.

　　　　　　　　　　inner: use intersection of keys from both frames, similar to a SQL inner join; preserve the order of the left keys.

　　　　　　　　　　cross: creates the cartesian product from both frames, preserves the order of the left keys

　　　　　　　 on:label or list。要加入的列或索引名称，必须在左侧或右侧DataFrame中找到，如果未传递，则DataFrame中的列的交集将被推断为连接键。

　　　　　　　　　　      Column or index level names to join on. These must be found in both DataFrames. If on is None and not merging on indexes then this defaults to the

                                   intersection of the columns in both DataFrames.

　　　　　　　 left_on:label or list, or array-like。

　　　　　　　　　　　　Column or index level names to join on in the left DataFrame. Can also be an array or list of arrays of the length of the left DataFrame. These arrays

                                   are treated as if they are columns.

　　　　　　　 right_on:label or list, or array-like。

　　　　　　　　　　　　Column or index level names to join on in the right DataFrame. Can also be an array or list of arrays of the length of the right DataFrame. These arrays

                                   are treated as if they are columns.

　　　　　　　left_index:bool, default False

　　　　　　　　　　　　 Use the index from the left DataFrame as the join key(s). If it is a MultiIndex, the number of keys in the other DataFrame (either the index or a number

                                   of columns) must match the number of levels.

　　　　　　　right_index:bool, default False

　　　　　　　　　　　　 Use the index from the right DataFrame as the join key. Same caveats as left_index.

　　　　　　　sort:bool, default False

　　　　　　　　　　　　 Sort the join keys lexicographically in the result DataFrame. If False, the order of the join keys depends on the join type (how keyword).

　　　　　　　suffixes:list-like, default is (“_x”, “_y”)

　　　　　　　　　　　　 　　A length-2 sequence where each element is optionally a string indicating the suffix to add to overlapping column names in left and right 

　　　　　　　　　　　　 respectively. Pass a value of None instead of a string to indicate that the column name from left or right should be left as-is, with no suffix.

　　　　　　　　　　　　 At least one of the values must not be None.

　　　　　　　copy:bool, default True

　　　　　　　　　　　　If False, avoid copy if possible.

　　　　　　 indicator:bool or str, default False

　　　　　　　　　　　　　　 If True, adds a column to the output DataFrame called “_merge” with information on the source of each row. The column can be given a

　　　　　　　　　　　　different name by providing a string argument. The column will have a Categorical type with the value of “left_only” for observations whose merge

　　　　　　　　　　　   key only appears in the left DataFrame, “right_only” for observations whose merge key only appears in the right DataFrame, and “both” if the

　　　　　　　　　　　  observation’s merge key is found in both DataFrames.

　　　　　　 validate:str, optional

 

　　　　　　　　　　　　If specified, checks if merge is of specified type.

　　　　　　　　　　　　　　“one_to_one” or “1:1”: check if merge keys are unique in both left and right datasets.

　　　　　　　　　　　　　　“one_to_many” or “1:m”: check if merge keys are unique in left dataset.

　　　　　　　　　　　　　　“many_to_one” or “m:1”: check if merge keys are unique in right dataset.

　　　　　　　　　　　　　　“many_to_many” or “m:m”: allowed, but does not result in checks.

　　　（2）举例

　　　　　　df1 = pd.DataFrame({'lkey': ['foo', 'bar', 'baz', 'foo'],'value': [1, 2, 3, 5]})

　　　　　　df2 = pd.DataFrame({'rkey': ['foo', 'bar', 'baz', 'foo'],'value': [5, 6, 7, 8]})

 　　　 df1
    　　　　lkey value
　　　　0   foo      1
　　　　1   bar      2
　　　　2   baz      3
　　　　3   foo      5
　　　　df2
    　　　　rkey value
　　　　0   foo      5
　　　　1   bar      6
　　　　2   baz      7
　　　　3   foo      8
df1.merge(df2, left_on='lkey', right_on='rkey')
  　　lkey  value_x rkey  value_y
　　0  foo        1  foo        5
　　1  foo        1  foo        8
　　2  foo        5  foo        5
　　3  foo        5  foo        8
　　4  bar        2  bar        6
　　5  baz        3  baz        7

df1.merge(df2, left_on='lkey', right_on='rkey',suffixes=('_left', '_right'))
  　　lkey  value_left rkey  value_right
　　0  foo           1  foo            5
　　1  foo           1  foo            8
　　2  foo           5  foo            5
　　3  foo           5  foo            8
　　4  bar           2  bar            6
　　5  baz           3  baz            7

df1 = pd.DataFrame({'a': ['foo', 'bar'], 'b': [1, 2]})
df2 = pd.DataFrame({'a': ['foo', 'baz'], 'c': [3, 4]})
　　　　df1
      　　　　a  b
　　　　0   foo  1
　　　　1   bar  2
　　　　df2
　　　　      a  c
　　　　0   foo  3
　　　　1   baz  4

df1.merge(df2, how='inner', on='a')
      　　　　a  b  c
　　　　0   foo  1  3

df1.merge(df2, how='left', on='a')
      　　　　a  b  c
　　　　0   foo  1  3.0
　　　　1   bar  2  NaN

df1 = pd.DataFrame({'left': ['foo', 'bar']})
df2 = pd.DataFrame({'right': [7, 8]})
　　　　df1
 　　　　   left
　　　　0   foo
　　　　1   bar
　　　　df2
 　　　　   right
　　　　0   7
　　　　1   8

df1.merge(df2, how='cross')
   　　　　left  right
　　　　0   foo      7
　　　　1   foo      8
　　　　2   bar      7
　　　　3   bar      8