python DataFrame 数据合并 merge()、concat() 方法，拿下我人生中第 7 个 Offer

①方法 1

指定一个参照列，以该列为准，合并其他列。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],

'num1': [120, 101, 104],

'num2': [110, 102, 121],

'num3': [105, 120, 113]})

df2 = pd.DataFrame({'id': ['001', '002', '003'],

'num4': [80, 86, 79]})

print(df1)

print("=======================================")

print(df2)

print("=======================================")

df_merge = pd.merge(df1, df2, on='id')

print(df_merge)

②方法 2

要实现该合并，也可以通过索引来合并，即以 index 列为基准。将 left_index 和 right_index 都设置为 True

即可。（left_index 和 right_index 都默认为 False，left_index 表示左表以左表数据的 index 为基准， right_index 表示右表以右表数据的 index 为基准。）

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],

'num1': [120, 101, 104],

'num2': [110, 102, 121],

'num3': [105, 120, 113]})

df2 = pd.DataFrame({'id': ['001', '002', '003'],

'num4': [80, 86, 79]})

print(df1)

print("=======================================")

print(df2)

print("=======================================")

df_merge = pd.merge(df1, df2, left_index=True, right_index=True)

print(df_merge)

相比方法①，区别在于，如图，方法②合并出的数据中有重复列。

重要参数

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

| 参数 | 描述 |

| --- | --- |

| left | 左表，合并对象，DataFrame 或 Series |

| right | 右表，合并对象，DataFrame 或 Series |

| how | 合并方式，可以是 left(左合并), right(右合并), outer(外合并), inner(内合并) |

| on | 基准列 的列名 |

| left_on | 左表基准列列名 |

| right_on | 右表基准列列名 |

| left_index | 左列是否以 index 为基准，默认 False，否 |

| right_index | 右列是否以 index 为基准，默认 False，否 |

其中，left_index 与 right_index 不能与 on 同时指定。

合并方式 left right outer inner

准备数据‘

新准备一组数据:

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],

'num1': [120, 101, 104],

'num2': [110, 102, 121],

'num3': [105, 120, 113]})

df2 = pd.DataFrame({'id': ['001', '004', '003'],

'num4': [80, 86, 79]})

print(df1)

print("=======================================")

print(df2)

print("=======================================")

inner（默认）

使用来自两个数据集的键的交集

df_merge = pd.merge(df1, df2, on='id')

print(df_merge)

outer

使用来自两个数据集的键的并集

df_merge = pd.merge(df1, df2, on='id', how="outer")

print(df_merge)

left

使用来自左数据集的键

df_merge = pd.merge(df1, df2, on='id', how='left')

print(df_merge)

right

使用来自右数据集的键

df_merge = pd.merge(df1, df2, on='id', how='right')

print(df_merge)

2.多对一合并

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],

'num1': [120, 101, 104],

'num2': [110, 102, 121],

'num3': [105, 120, 113]})

df2 = pd.DataFrame({'id': ['001', '001', '003'],

'num4': [80, 86, 79]})

print(df1)

print("=======================================")

print(df2)

print("=======================================")

如图，df2 中有重复 id1 的数据。

合并

df_merge = pd.merge(df1, df2, on='id')

print(df_merge)

合并结果如图所示：

依然按照默认的 Inner 方式，使用来自两个数据集的键的交集。且重复的键的行会在合并结果中体现为多行。

3.多对多合并

如图表 1 和表 2 中都存在多行 id 重复的。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],

'num1': [120, 101, 104, 114, 123],

'num2': [110, 102, 121, 113, 126],

'num3': [105, 120, 113, 124, 128]})

df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],

'num4': [80, 86, 79, 88, 93]})

print(df1)

print("=======================================")

print(df2)

print("=======================================")

df_merge = pd.merge(df1, df2, on='id')

print(df_merge)

concat()

==============================================================================

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

| 参数 | 描述 |

| --- | --- |

如果你也是看准了 Python，想自学 Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析 Python 兼职、就业行情前景的这些事儿。

一、Python 所有方向的学习路线

Python 所有方向路线就是把 Python 常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习 Python 常用的开发软件都在这里了，给大家节省了很多时间。

三、全套 PDF 电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习 Python 必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个 Python 程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！最后祝你好运！！！