点击上方蓝字，关注并星标，和我一起学技术。

今天是pandas数据处理第8篇文章，我们一起来聊聊dataframe的合并。

常见的数据合并操作主要有两种，第一种是我们新生成了新的特征，想要把它和旧的特征合并在一起。第二种是我们新获取了一份数据集，想要扩充旧的数据集。这两种合并操作在我们日常的工作当中非常寻常，那么究竟应该怎么操作呢？让我们一个一个来看。

merge

首先我们来看dataframe当中的merge操作，merge操作类似于数据库当中两张表的join，可以通过一个或者多个key将多个dataframe链接起来。

我们首先来创建两个dataframe数据：

df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})

df2 = pd.DataFrame({'id': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})

我们可以看到这两个dataframe当中都有id这个字段，如果我们想要将它们根据id关联起来，我们可以用pd.merge函数完成：

这里虽然我们没有指定根据哪一列完成关联，但是pandas会自动寻找两个dataframe的名称相同列来进行关联。一般情况下我们不这么干，还是推荐大家指定列名。指定列名很简单，我们只需要传入on这个参数即可。

如果需要根据多列关联，我们也可以传入一个数组。但假如两个dataframe当中的列名不一致怎么办，比如这两个dataframe当中的一列叫做id，一列叫做number，该怎么完成join呢？

df1 = pd.DataFrame({'id': [1, 2, 3, 3, 5, 7, 6], 'age': range(7)})

df2 = pd.DataFrame({'number': [1, 2, 4, 4, 5, 6, 7], 'score': range(7)})

这个时候就需要用left_on指定左表用来join的列名，用right_on指定右表用来join的列名。

谈到join，不得不提另外一个问题就是join的方式。我们都知道在数据库的表join操作当中我们通常的join方式有4种。分别是innner join，left join，right join和outer join。我们观察一下上面的结果会发现关联之后的数据条数变少了，这是因为默认的方式是inner join，也就是两张表当中都存在的数据才会被保留。如果是left join，那边左边当中所有的数据都会保留，关联不上的列置为None，同理，如果是right join，则右表全部保留，outer join则会全部保留。

join的方式选择通过how这个参数控制，比如如果我们想要左表保留，我们传入how='left'即可。

除此之外，merge操作还有一些其他的参数，由于篇幅限制我们不一一介绍了，大家感兴趣可以去查阅相关文档。

数据合并

另外一个常用的操作叫做数据合并，为了和merge操作区分，我用了中文。虽然同样是合并，但是它的逻辑和merge是不同的。对于merge来说，我们需要关联的key，是通过数据关联上之后再合并的。而合并操作是直接的合并，行对行合并或者是列对列合并，是忽视数据的合并。

这个合并操作我们之前在numpy的介绍当中曾经也提到过，我们这里简单回顾一下。

首先我们先创建一个numpy的数组：

import numpy as np
arr = np.random.rand(3, 4)

之后呢，我们可以用concatenate函数把这个数组横着拼或者是竖着拼，默认是竖着拼：

我们也可以通过axis这个参数让它变成横着拼：

对于dataframe同样也有这样的操作，不过换了一个名字叫做concat。如果我们不指定的话会竖着拼接：

竖着拼接的时候会按照列进行对齐，如果列名对不上就会填充NaN。

通过axis参数我们可以让它横向拼接：

以上就是concat的基本用法了，除了基本用法之外，concat还有一些其他的应用，比如说处理index层次索引等等。只是这些用法相对来说比较小众，使用频率不高，就不赘述了。

今天的文章到这里就结束了，如果喜欢本文的话，请来一波素质三连，给我一点支持吧(关注、在看、点赞)。

- END -