数据科学 第 3 章： 7-8 合并、连接数据集

第3章 7-8：合并、连接数据集

包含三个函数：
numpy：concatenate 省略，在126页。
pandas：concat/ append(略过) /merge

主要是讲merge函数的参数：pd.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) pd.merge 官方文档

concat:

如果a,b是两个字段名称相同的dataframe，就像原来的一部、二部各有存放业绩的两个表，在sql中可以用join连接，而pandas中用concat连接（注意有中括号）

pd.concat([yibu,erbu]) #yibu，erbu是两个dataframe

如果两个表的字段名不完全相同，会自动填充没有的字段，如下：

如果只想保留都有的字段，则在参数中指定为inner

如果想保留df5的字段名（即不要df6中的D列，可以在join_axes中设定
pd.concat([df5,df6], join_axes = [df5.columns])

merge：数据合并

分为1对1，1对多，多对多。
（merge没有[ ]）

-- 1对1：

pd.merge(df1,df2)   #默认合并两个表的所有列，如果df1有a,b列，df2有b,c列，则结果为a,b,c列

-- 多对1：保留多条记录

-- 多对多：会交叉每一条记录

通过参数 on 设定连接方式：
df1: employee, group
df2: employee, hire_data
两个表都有employee两个字段，则通过employee连接两个表。

pd.merge(df1,df2,on = 'employee')

df3: name, salary
df1与 df3没有相同的字段，但是df3中的name和df1中的employee字段内容相同，都是姓名，所有可以通过left_on，right_on设定左右两个表的关联字段，实现连接。

pd.merge(df1,df3, left_on = 'employee', right_on = 'name')
# name和employee的字段内容相同，可删除name保留一列：
pd.merge(df1,df3, left_on = 'employee', right_on = 'name').drop('name',axis =1)

通过索引连接，这部分略讲：

假如df1,df2中的index均为employee列，则连接方法如下：

pd.merge(df1,df2, left_index = True, right_index=True)
# 也可以用join连接
df1.join(df2)

如果df1的empolyee为索引，df2没有设置索引，则连接的代码为： 134页
pd.merge(df1, df2, left_index =True, right_on='name')

merge：数据连接

-- 参数 how：连接方式
这里主要是用merge里面的参数how，how参数有4种方式：
inner：内连接，保留两个表相同的行
outer：外连接，保留两个表所有的行
left：左连接，以左表为准，保留左表所有的行，右表匹配左表的结果
right：右连接，以右表为准，*

pd.merge(df6,df7, how = 'inner')

-- 参数 suffixes：自定义后缀名
如果两个表的字段名相同，但对于的值不同，想保留两个表不同的值，可以设定参数suffixes

pd.merge(df8,df9, on = 'name', suffixes = ["_L","_R"])