Python利用pandas进行数据合并

当使用Python中的pandas库时，merge函数是用于合并（或连接）两个数据框（DataFrame）的重要工具。它类似于SQL中的JOIN操作，允许你根据一个或多个键（key）将两个数据框连接起来。

merge函数的基本语法如下：

pd.merge(
    left,  # 要合并的左侧 DataFrame
    right,  # 要合并的右侧 DataFrame
    how='inner',  # 连接方式，包括 'left', 'right', 'outer', 'inner'，默认为 'inner'
    on=None,  # 用于连接的列名，必须存在于左侧和右侧 DataFrame 中
    left_on=None,  # 左侧 DataFrame 用于连接的列名
    right_on=None,  # 右侧 DataFrame 用于连接的列名
    left_index=False,  # 如果为 True，则使用左侧 DataFrame 的索引作为连接键
    right_index=False,  # 如果为 True，则使用右侧 DataFrame 的索引作为连接键
    suffixes=('_x', '_y'),  # 字符串后缀，用于重叠列名的处理
    sort=False,  # 根据连接键对合并后的数据进行排序
    copy=True,  # 如果为 False，可以提高性能，但是在某些情况下会修改原始数据
)

下面详细解释每个参数的用法：

• left和right：要连接的左右两个数据框，可以是DataFrame对象、Series对象或者带有相同列名的字典。
• on：指定用于连接的列名，如果两个数据框中的列名相同，可以直接指定为列名，如果列名不同，可以通过left_on和right_on参数分别指定左右两个数据框的列名。
• how：指定连接的方式，默认为'inner'。可选的取值有：
  • 'inner'：内连接，只返回两个数据框中键匹配的行。
  • 'outer'：外连接，返回两个数据框中所有的行，并用NaN填充缺失的值。
  • 'left'：左连接，返回左侧数据框中所有的行，并用NaN填充右侧数据框中缺失的值。
  • 'right'：右连接，返回右侧数据框中所有的行，并用NaN填充左侧数据框中缺失的值。
• left_on和right_on：如果要连接的列名不同，可以使用这两个参数分别指定左右两个数据框中用于连接的列名。
• left_index和right_index：如果要根据索引进行连接，可以将这两个参数设为True。
• sort：指定是否按照键对数据进行排序，默认为True。
• suffixes：如果两个数据框中存在重复的列名，可以使用这个参数为它们添加后缀以区分，默认为('_x', '_y')。
• copy：指定是否复制数据，默认为True。如果设置为False，可以避免复制数据而提高性能。
• indicator：指定是否在结果数据框中添加一个表示连接方式的特殊列，默认为False。
• validate：指定连接操作的有效性检查方式，可选的取值有None、'one_to_one'、'one_to_many'、'many_to_one'和'many_to_many'。

基本用法

merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称'])   # 连接方式，包括 'left', 'right', 'outer', 'inner'，默认为 'inner'
print(merged_df)

指定不同的列名

merged_df = pd.merge(left_df, right_df, how='outer', left_on='店铺名称', right_on='店铺名称2')
print(merged_df)

处理重复列名，相同列名加后缀

merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称'], suffixes=('_left', '_right'))
print(merged_df)

根据索引进行合并

merged_df = pd.merge(left_df, right_df, how='outer', left_index=True, right_index=True)
print(merged_df)

 开启一列标记列，标记数据来源

merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称','订单号'], indicator=True)
print(merged_df)

完整代码

import pandas as pd

# 读取两个 Excel 文件
left_df = pd.read_excel('C:\\Users\\liuchunlin2\\Desktop\\数据1.xlsx',sheet_name='Sheet2')
right_df = pd.read_excel('C:\\Users\\liuchunlin2\\Desktop\\数据2.xlsx',sheet_name='Sheet2')

#基本用法
merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称'])   # 连接方式，包括 'left', 'right', 'outer', 'inner'，默认为 'inner'
print(merged_df)

#指定不同的列名
merged_df = pd.merge(left_df, right_df, how='outer', left_on='店铺名称', right_on='店铺名称2')
print(merged_df)

#处理重复列名，相同列名加后缀
merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称'], suffixes=('_left', '_right'))
print(merged_df)

#根据索引进行合并
merged_df = pd.merge(left_df, right_df, how='outer', left_index=True, right_index=True)
print(merged_df)

#开启一列标记列，标记数据来源
merged_df = pd.merge(left_df, right_df, how='outer', on=['店铺名称','订单号'], indicator=True)
print(merged_df)

 数据一：

                                                             

数据二：