目录

 

1 merge 函数详解

1.1 左连接（Left Join）:

1.2 右连接（Right Join）:

1.3 全连接（Full Join 或 Outer Join）:

2 代码示例

2.1 加载模块并创建示例数据框

2.2 左连接

2.3 右连接

2.4 全连接

---

 

1 merge 函数详解

        merge 函数通常与pandas库关联，用于合并两个或多个DataFrame,主要有三种合并方式：左连接、右连接和全连接，三种连接方式如下：

1.1 左连接（Left Join）:

        a.保留左DataFrame的所有行。
        b. 如果右DataFrame中有匹配的行，则合并这些行的值。
        c.如果右DataFrame中没有匹配的行，则结果中的相应列将包含缺失值（NaN）。
        d.在pandas中，可以使用 merge(left, right, on='key', how='left') 来实现左连接，其中 'key' 是两个DataFrame中用于匹配的列名。

1.2 右连接（Right Join）:

        a. 与左连接相反，右连接保留右DataFrame的所有行。
        b. 如果左DataFrame中有匹配的行，则合并这些行的值。
        c.如果左DataFrame中没有匹配的行，则结果中的相应列将包含缺失值（NaN）。
        d.在pandas中，虽然 how='right' 是理论上存在的选项，但更常见的做法是先进行左连接，然后交换两个DataFrame的顺序再进行左连接，以达到右连接的效果。

1.3 全连接（Full Join 或 Outer Join）:

        a.全连接返回左DataFrame和右DataFrame中的所有行。
        b.如果两个DataFrame中有匹配的行，则合并这些行的值。
        c.如果没有匹配的行，则结果中的相应列将包含缺失值（NaN）。
        d.在pandas中，可以使用 merge(left, right, on='key', how='outer') 来实现全连接。

2 代码示例

2.1 加载模块并创建示例数据框

        首先，我们需要创建两个简单的DataFrame作为示例数据：

import pandas as pd  # 创建左DataFrame  
left = pd.DataFrame({  'key': ['A', 'B', 'C', 'D'],  'value': ['left_A', 'left_B', 'left_C', 'left_D']  
})  # 创建右DataFrame  
right = pd.DataFrame({  'key': ['B', 'C', 'D', 'E'],  'value': ['right_B', 'right_C', 'right_D', 'right_E']  
})  # 打印原始DataFrame  
print("Left DataFrame:")  
print(left)  
print("\nRight DataFrame:")  
print(right)

2.2 左连接

# 左连接
left_join = pd.merge(left, right, on='key', how='left')
print("\nLeft Join:")
print(left_join)

2.3 右连接

        pandas的merge函数没有直接的how='right'选项，但可以通过交换左右DataFrame的位置来实现右连接：

# 右连接（通过交换左右DataFrame的位置）
right_join = pd.merge(right, left, on='key', how='left')
# 注意：这里我们交换了left和right的位置，并使用了'left'作为how参数
print("\nRight Join (by swapping DataFrames and using 'left' how):")
print(right_join)

2.4 全连接

# 全连接（外连接）
full_join = pd.merge(left, right, on='key', how='outer')
print("\nFull Join (Outer Join):")
print(full_join)