Pandas数据处理——一文详解数据拼接方法merge

Pandas数据处理——一文详解数据拼接方法merge

点击上方“Python读数”,选择“星标”公众号
重磅干货,第一时间送达
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'和'outer'。

inner

merge的'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和消费信息,连接两张表的键是userid。
Pandas数据处理——一文详解数据拼接方法merge
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_1和df_2的userid的交集是{a,c}
Pandas数据处理——一文详解数据拼接方法merge

②对应匹配
Pandas数据处理——一文详解数据拼接方法merge

③结果
Pandas数据处理——一文详解数据拼接方法merge

过程汇总:
Pandas数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge
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_1和df_2的userid的交集是{a,b,c}
Pandas数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge

③结果

Pandas数据处理——一文详解数据拼接方法merge

left 和right

'left'和'right'的merge方式其实是类似的,分别被称为左连接和右连接。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数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge

过程汇总:
Pandas数据处理——一文详解数据拼接方法merge

对于'right'类型的merge和'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'和'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。

outer

'outer'是外连接,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数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge

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数据处理——一文详解数据拼接方法merge

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,拼接时选用的两张表格的键的集合不同。关于Pandas的merge就介绍到这里!

往期精彩回顾

Pandas数据分析——超好用的Groupby详解

Pandas数据处理三板斧,你会几板?

一文带你掌握常见的Pandas性能优化方法,让你的pandas飞起来!

关注我
Pandas数据处理——一文详解数据拼接方法merge

1529321439513643.jpg
公众号:Python读数

一个记录成长的公众号

易执
转发,在看,打赏人间三大真情!
钟意作者
文章已于2020-01-17修改

上一篇:内部类


下一篇:java内部类