pandas.merge和DataFrame.join的用法区别

pandas：merge和DataFrame.join的用法区别

merge

• pandas.merge
• DataFrame.merge  这两个方法的用法一样。

join

• DataFrame.join
• Index.join  
• Series.str.join 。简单的字符串连接。
• 3个join用法不一样

 

Pandas.concat()只是简单的合并表

 

DataFrame.join(self, other, on = None, how="left", lsuffix="", rsufix="")-> DataFrame

连接2个/多个DataFrame。对于简单的索引合并，你还可以向join传入一组DataFrame。

left2.join([right2, another])

 

可以通过columns和另一个DataFrame的column或index连接。

⚠️。如果2个DataFrame有相同名字的普通列，需要为2个表加后缀。

关于on的用法：

• 如果没有使用on参数，join函数判断能否index-on-index, 如果2个表有重复列名，需要加上后缀。
• 如果使用了on参数，on指定的列名或index name去连接other表的index 。

 

DataFrame.merge()

pd.merge(left, right, how="inner", left_on=None, right_on=None, left_index=False, right_index=False)

和join方法类似。但不一样:主要区别在关联方法上：

• join方法
  • 默认使用index-on-index，
  • 如果有on参数，则用on参数指定的列名/index名来连接other的index。
• merge方法
  • 默认，自动把2个表中有相同列名的列（重叠列）作为主键列。
  • 最好是明确指定on参数，此时列名/index name必须同时在2个表内出现。
  • 或者使用left_on和right_on参数作为连接的key。明确指定2个表要关联的列名/index name
  • 或者使用left_index和right_index参数。

总结，都要理解，之后使用哪个就随心了。

 

案例

如果有相同的列名，则未使用on，和使用on参数的例子：

df1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)})
df2 = pd.DataFrame({'key': list("abc"), "data2": range(3)})

pd.merge(df1, df2)  
#或者明确使用on参数：
pd.merge(df1, df2, on='key')

 

 

如果没有相同列名，则使用left_on和right_on的例子：

df3 = pd.DataFrame({'lkey': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],'data1': range(7)})
df4 = pd.DataFrame({'rkey': ['a', 'b', 'd'], 'data2': range(3)})
pd.merge(df3, df4, left_on="lkey", right_on="rkey")
#
    lkey data1 rkey data2
0    b    0    b    1
1    b    1    b    1
2    b    6    b    1
3    a    2    a    0
4    a    4    a    0
5    a    5    a    0

 

⚠️默认how="inner"即内连接，所以df3中的c和df4中的d行没有选中。how的参数有：left, right, outer, inner。

 

上面两个例子，表的行关系是：多对1。如果是多对多，则发生笛卡尔积运算。

要根据多个键进行合并，传入一个由列名组成的列表即可：

right = pd.DataFrame({'key1': ['foo', 'foo', 'bar', 'bar'], 'key2': ['one', 'one', 'one', 'two'], 'rval': [4, 5, 6, 7]})
left = pd.DataFrame({'key1': ['foo', 'foo', 'bar'], 'key2': ['one', 'two', 'one'], 'lval': [1, 2, 3]})
pd.merge(left, right, on=['key1', 'key2'])

 

merge函数自带的参数suffixes，可以自动处理重复的列名。也可以自定义后缀suffixes=('_left', '_r ight'))