數據分析和建模方面絕大部分的工作都是做數據處理，pandas是python標準庫提供了一組高級的、靈活的、高效的核心算法和函數，能夠輕鬆地將數據規整成適合機器學習建模的形式。

pandas對象中的數據可通過一些內置的方法來合併，本文先給大家介紹一下數據的合併操作：pandas.merge。

pandas.merge的作用

pandas.merge 可根據一個或多個鍵將不同的dataframe中的行連接起來。使用方式如下：

pandas.merge的參數介紹

merge函數大致有12種，具體含義如下：

• left： 參與合併左側DataFrame對象
• right： 參與合併的右側DataFrame對象
• on: 用於連接的列名。 必須在左側和右側DataFrame對象中找到。 如果未傳遞參數且left_index和right_index也為False，則DataFrame中的列的交集將被推斷為連接鍵。
• left_on：左側DataFrame中的列或索引級別用作鍵。 可以是列名，索引級名稱，也可以是長度等於DataFrame長度的數組。
• right_on：左側DataFrame中的列或索引級別用作鍵。 可以是列名，索引級名稱，也可以是長度等於DataFrame長度的數組。
• left_index：如果為True，則使用左側DataFrame中的索引（行標籤）作為其連接鍵。 對於具有MultiIndex（分層）的DataFrame，級別數必須與右側DataFrame中的連接鍵數相匹配。
• right_index： 與left_index功能相似。
• how： ‘left’, ‘right’, ‘outer’, ‘inner’，默認inner。
• sort：默認inner按字典順序通過連接鍵對結果DataFrame進行排序。 默認為True，設置為False將在很多情況下顯著提高性能。
• suffixes： 用於重疊列的字符串後綴元組。 默認為（‘x’，’ y’）。
• copy： 始終從傳遞的DataFrame對象複製數據（默認為True），即使不需要重建索引也是如此。
• indicator：將一列添加到名為merge的輸出DataFrame，其中包含有關每行源的信息。merge是分類類型，並且對於其合併鍵僅出現在“左”DataFrame中的觀察值，取得值為left_only，對於其合併鍵僅出現在“右”DataFrame中的觀察值為right_only，並且如果在兩者中都找到觀察點的合併鍵，則為left_only。

pandas.merge實例

首先創建兩個數據框，並賦予數據，分別命名為left，right。

import pandas as pd
left = pd.DataFrame({'key1': ['k0', 'k0', 'k1', 'k2'], 'key2': ['k0', 'k1', 'k0', 'k1'],
 'A': ['0', '1', '2', '3'], 'B': ['0', '1', '2', '3']})
right = pd.DataFrame({'key1': ['k0', 'k1', 'k1', 'k2'], 'key2': ['k0', 'k0', 'k0', 'k0'],
 'C': ['0', '1', '2', '3'], 'D': ['0', '1', '2', '3']})

使用左連接合並參數

# Use keys from left frame only
left_result = pd.merge(left, right, how='left', on=['key1', 'key2'])
 

使用左連接合並參數

# Use keys from right frame only
right_result = pd.merge(left, right, how='right', on=['key1', 'key2'])

使用外連接合並參數

# Use keys from outer frame only
outer_result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

使用內連接合並參數

# Use keys from inner frame only
inner_result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

好了，今天就到這，大家感興趣的話，其他參數可以自己驗證一下，如有疑問，歡迎關注留言！！！