pandas中merge()函数的用法解读

merge()

import pandas as pd
pd.merge(DateFrame1,DateFrame2,on = ' ',how = ' ')

merge是pandas中用来合并数据的函数，不像concat是按照某行或某列来合并，而是按照数据中具体的某一字段来连接数据。

具体参数的意思，举例说明，一看就懂！！

举例说明

先列举两个DataFrame

import pandas as pd

df_1 = pd.DataFrame({'姓名': ["小明","小红","小刚"],
                  '年纪': [10,9,12],
                  '城市': ['上海','北京','深圳']})
df_1

姓名年纪城市
0小明10上海
1小红9北京
2小刚12深圳

df_2 = pd.DataFrame({'零花钱': [50,200,600,400,80],
                  '城市': ['苏州','北京','上海','广州','重庆']})
df_2

零花钱城市
050苏州
1200北京
2600上海
3400广州
480重庆

on表示按照那个特征来找相同的字段

# 两个DataFrame都有“城市”，并且“城市”里面有相同的元素，可以按照这些相同的元素拼接
result = pd.merge(df_1,df_2, on = '城市')  
result

姓名年纪城市零花钱
0小明10上海600
1小红9北京200

没有on的话，就自动找相同的字段

# 没有on的话，就自动找相同的字段
result = pd.merge(df_1,df_2)
result

姓名年纪城市零花钱
0小明10上海600
1小红9北京200

how是指两个DateFrame的拼接方式

• how = ‘outer’:外置，相当于两个DateFrame求并集

• how = ‘right’: 右置，合并后，按照最右边不为空的样本显示

• how = ‘left’：左置，合并后，按照最左边不为空的样本显示

• how = ‘inner’：只显示匹配到的字段的样本

# 外置，相当于两个DateFrame求并集
result = pd.merge(df_1,df_2, on = '城市', how = 'outer')
result

姓名年纪城市零花钱
0小明10.0上海600.0
1小红9.0北京200.0
2小刚12.0深圳NaN
3NaNNaN苏州50.0
4NaNNaN广州400.0
5NaNNaN重庆80.0

# 右置，
result = pd.merge(df_1,df_2, on = '城市',  how = 'right')
result

姓名年纪城市零花钱
0小明10.0上海600
1小红9.0北京200
2NaNNaN苏州50
3NaNNaN广州400
4NaNNaN重庆80

# 左置
result = pd.merge(df_1,df_2, on = '城市', how = 'left')
result

姓名年纪城市零花钱
0小明10上海600.0
1小红9北京200.0
2小刚12深圳NaN

# how = 'inner'，只显示具有相同字段的样本
result = pd.merge(df_1,df_2, on = '城市', how = 'inner')  
result

姓名年纪城市零花钱
0小明10上海600
1小红9北京200

来源：https://blog.csdn.net/weixin_44177568/article/details/102510021