标签：RKE 1.0 字符串 指定 and 并集 个数 数据 对象
1、合并数据集
①、多对一合并
我们需要用到pandas中的merge函数，merge函数默认情况下合并的是两个数据集的交集（inner连接），当然还有其他的参数：
how里面有inner、outer、left、right，四个参数可以选择，分别代表：交集，并集，参与合并的左侧DataFrame，以及右侧
当列名对象相同时： df1=pd.DataFrame({‘key‘:[‘a‘,‘c‘,‘a‘,‘b‘,‘a‘,‘c‘,‘b‘,‘c‘],‘data1‘:range(8)}) df2=pd.DataFrame({‘key‘:[‘a‘,‘b‘,‘d‘],‘data2‘:range(3)}) pd.merge(df1,df2,on=‘key‘) 返回 key data1 data2 0 a 0 0 1 a 2 0 2 a 4 0 3 b 3 1 4 b 6 1 当列名对象不同时： df1=pd.DataFrame({‘lkey‘:[‘a‘,‘c‘,‘a‘,‘b‘,‘a‘,‘c‘,‘b‘,‘c‘],‘data1‘:range(8)}) df2=pd.DataFrame({‘rkey‘:[‘a‘,‘b‘,‘d‘],‘data2‘:range(3)}) pd.merge(df1,df2,left_on=‘lkey‘,right_on=‘rkey‘，how=‘outer’) 返回为 lkey data1 rkey data2 0 a 0.0 a 0.0 1 a 2.0 a 0.0 2 a 4.0 a 0.0 3 c 1.0 NaN NaN 4 c 5.0 NaN NaN 5 c 7.0 NaN NaN 6 b 3.0 b 1.0 7 b 6.0 b 1.0 8 NaN NaN d 2.0
②、多对多合并
df1=pd.DataFrame({‘key‘:[‘b‘,‘c‘,‘b‘,‘a‘,‘b‘,‘a‘],‘data1‘:range(6)})
df2=pd.DataFrame({‘key‘:[‘a‘,‘a‘,‘c‘,‘b‘,‘d‘],‘data2‘:range(5)})
pd.merge(df1,df2,on=‘key‘,how=‘right‘)
返回为
key data1 data2
0 b 0.0 3
1 b 2.0 3
2 b 4.0 3
3 c 1.0 2
4 a 3.0 0
5 a 5.0 0
6 a 3.0 1
7 a 5.0 1
8 d NaN 4
多对多合并产生的是行的笛卡尔积，即df1有2个a,df2有2个a,并集会产生4个a
当需要根据多个键进行合并时，只要传入一个列名组成的列表就可以。
在合并运算时，需要对重复列名的处理，suffixes函数可以指定附加到左右两个DataFrame对象的重复列名上的字符串
2、索引上的合并
标签：RKE 1.0 字符串 指定 and 并集 个数 数据 对象
原文地址：https://www.cnblogs.com/jx1111jx/p/9574447.html
