1. 首页
  2. 自学中心
  3. 软件
  4. Python

Pandas教程 | Merge数据合并图文详解

为了方便维护,一般公司的数据在数据库内都是分表存储的,比如用一个表存储所有用户的基本信息,一个表存储用户的消费情况。所以,在日常的数据处理中,经常需要将两张表拼接起来使用,这样的操作对应到SQL中是join,在Pandas中则是用merge来实现。这篇文章就讲一下merge的主要原理。

上面的引入部分说到merge是用来拼接两张表的,那么拼接时自然就需要将用户信息一一对应地进行拼接,所以进行拼接的两张表需要有一个共同的识别用户的键(key)。总结来说,整个merge的过程就是将信息一一对应匹配的过程,下面介绍merge的四种类型,分别为'inner''left''right''outer'

一、inner

merge'inner'的类型称为内连接,它在拼接的过程中会取两张表的键(key)的交集进行拼接。什么意思呢?下面以图解的方式来一步一步拆解。

首先我们有以下的数据,左侧和右侧的数据分别代表了用户的基础信息消费信息,连接两张表的键是userid

Pandas教程 | Merge数据合并图文详解

现在用'inner'的方式进行merge

In [6]: df_1.merge(df_2,how='inner',on='userid')
Out[6]:
  userid  age  payment
0      a   23     2000
1      c   32     3500

过程图解:

①取两张表的键的交集,这里df_1df_2userid的交集是{a,c}

Pandas教程 | Merge数据合并图文详解

②对应匹配

Pandas教程 | Merge数据合并图文详解

③结果

Pandas教程 | Merge数据合并图文详解

过程汇总:

Pandas教程 | Merge数据合并图文详解

相信整个过程并不难理解,上面演示的是同一个键下,两个表对应只有一条数据的情况(一个用户对应一条消费记录),那么,如果一个用户对应了多条消费记录的话,那又是怎么拼接的呢?

假设现在的数据变成了下面这个样子,在df_2中,有两条和a对应的数据:

Pandas教程 | Merge数据合并图文详解

同样用inner的方式进行merge

In [12]: df_1.merge(df_2,how='inner',on='userid')
Out[12]:
  userid  age  payment
0      a   23     2000
1      a   23      500
2      b   46     1000
3      c   32     3500

整个过程除了对应匹配阶段,其他和上面基本都是一致的。

过程图解:

①取两张表的键的交集,这里df_1df_2userid的交集是{a,b,c}

Pandas教程 | Merge数据合并图文详解

②对应匹配时,由于这里的a有两条对应的消费记录,故在拼接时,会将用户基础信息表中a对应的数据复制多一行来和右边进行匹配

Pandas教程 | Merge数据合并图文详解

③结果

Pandas教程 | Merge数据合并图文详解

二、left 和right

'left''right'merge方式其实是类似的,分别被称为左连接右连接。这两种方法是可以互相转换的,所以在这里放在一起介绍。

  • 'left'

merge时,以左边表格的键为基准进行配对,如果左边表格中的键在右边不存在,则用缺失值NaN填充。

  • 'right'

merge时,以右边表格的键为基准进行配对,如果右边表格中的键在左边不存在,则用缺失值NaN填充。

什么意思呢?用一个例子来具体解释一下,这是演示的数据

Pandas教程 | Merge数据合并图文详解

现在用'left'的方式进行merge

In [21]: df_1.merge(df_2,how='left',on='userid')
Out[21]:
  userid  age  payment
0      a   23   2000.0
1      b   46      NaN
2      c   32   3500.0
3      d   19      NaN

过程图解:

①以左边表格的所有键为基准进行配对。图中,因为右表中的e不在左表中,故不会进行配对。

Pandas教程 | Merge数据合并图文详解

②若右表中的payment列合并到左表中,对于没有匹配值的用缺失值NaN填充

Pandas教程 | Merge数据合并图文详解

过程汇总:

Pandas教程 | Merge数据合并图文详解

对于'right'类型的merge'left'其实是差不多的,只要把两个表格的位置调换一下,两种方式返回的结果就是一样的(),如下:

In [22]: df_2.merge(df_1,how='right',on='userid')
Out[22]:
  userid  payment  age
0      a   2000.0   23
1      c   3500.0   32
2      b      NaN   46
3      d      NaN   19

至于'left''right'中(乃至于下面将介绍的'outer')连接的键是一对多的情况,原理和上方的'inner'是类似的,这里便不再赘述。

三、outer

'outer'外连接,在拼接的过程中它会取两张表的键(key)的并集进行拼接。看文字不够直观,还是上例子吧!

还是使用上方用过的演示数据

Pandas教程 | Merge数据合并图文详解

这次使用'outer'进行merge

In [24]: df_1.merge(df_2,how='outer',on='userid')
Out[24]:
  userid   age  payment
0      a  23.0   2000.0
1      b  46.0      NaN
2      c  32.0   3500.0
3      d  19.0      NaN
4      e   NaN    600.0

图解如下:

①取两张表键的并集,这里是{a,b,c,d,e}

Pandas教程 | Merge数据合并图文详解

②将两张表的数据列拼起来,对于没有匹配到的地方,使用缺失值NaN进行填充

Pandas教程 | Merge数据合并图文详解

能读到这里的小伙伴想必也基本理解了merge的整个过程,总结来说,merge的不同类型区别就在于拼接时,选用的是两表的键的集合不同。关于Pandas的merge就介绍到这里!

本文来自zhihu,观点不代表一起大数据-技术文章心得立场,如若转载,请注明出处:https://zhuanlan.zhihu.com/p/102274476

联系我们

在线咨询:点击这里给我发消息

邮件:23683716@qq.com

跳至工具栏