DataFrame（13）：DataFrame之合并组合
在Pandas的实践过程中，我们经常需要将两个DataFrame合并组合在⼀起再进⾏处理，⽐如将不同来源的数据合并在⼀起，或者将不同⽇期的DataFrame合并在⼀起。
DataFrame的合并组合从⽅向上分，⼤体上分为两种情况：横向的，纵向的。（这个很容易理解吧）
看下如下的图⽰（图⽚来⾃Pandas官⽹）
merge函数
横向
纵向
另外需要注意的是，两个DataFrame在合在⼀起的时候，如果针对重叠项（⽐如都有column B)会有两种不同的处理⽅式，⼀种是针对重叠项进⾏合并处理（⽐如相加，或者直接取代）；另⼀种是忽略重叠项，只是简单的组合在⼀起。前者我们称为合并，后者我们叫做组合。
另外，在Pandas中有很多不同函数和不同⽤法，⽐如有concat, join, merge, append，它们各有不同的使⽤场景。
纵向连接
横向连接与合并
前⾯我们已经知道concat不仅可以纵向连接，也可以横向连接
我们看到concat仍然是⼀种拼接，其根据index进⾏join，⽽merge更加灵活，可以根据指定的column来进⾏合并，如下：
可以针对多个列进⾏join，并重新命名后缀，如下：
关于merge还有⼏个常⽤的参数说明如下：
left_index & right_index: 当我们需要通过index来进⾏join的时候（类似concat），则可以使⽤left_index 或者right_index.
sort: 默认为False，如果True则将join的key按照字典顺序进⾏排序，⽐如我们按照"city"进⾏join的时候，会按照"city"的字典顺序进⾏排序。但如果我们不需要排序，则可以将其置为False，以提⾼性能
validate: 主要针对duplicate的情况，它有以下⼏个参数可以设置
“one_to_one” or “1:1”: checks if merge keys are unique in both left and right datasets.
“one_to_many” or “1:m”: checks if merge keys are unique in left dataset.
“many_to_one” or “m:1”: checks if merge keys are unique in right dataset.
“many_to_many” or “m:m”: allowed, but does not result in checks.
更多关于merge的说明参考如下链接：
另外，join是merge的⼀种简便写法，其底层是通过merge来实现的，如下两种表达⽅式是相同的。
⽰例：
merging_join_key_columns.png
需要注意的是当要join的两个DataFrame有同名的列时，必须指定suffix，否则会报错，如下：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。