pandas如何实现数据合并

这篇文章给大家分享的是有关pandas如何实现数据合并的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

数据合并有多种方式，其中最常见的应该就是交集和并集的求取。之前通过分析总结过pandas数据merge功能默认的行为，其实默认下求取的就是两个数据的“交集”。

有如下数据定义：

In [26]: df1 Out[26]:   data1 key 0  0 b 1  1 b 2  2 a 3  3 c 4  4 a 5  5 a 6  6 b

In [27]: df2 Out[27]:   data2 key 0  0 a 1  1 b 2  2 d 3  3 b

进行merge的结果：

In [28]: pd.merge(df1,df2) Out[28]:   data1 key data2 0  0 b  1 1  0 b  3 2  1 b  1 3  1 b  3 4  6 b  1 5  6 b  3 6  2 a  0 7  4 a  0 8  5 a  0

从上面的结果中能够看出，merge的默认处理行为是求取了两组数据key的交集，但是对于key的值进行了并集的求取。其实也很好理解，如果仅仅是求取交集而数据没有任何合并那就不叫做数据合并了。

接下来试一下制定了参数的的交集数据合并处理：

In [29]: pd.merge(df1,df2,how='inner') Out[29]:   data1 key data2 0  0 b  1 1  0 b  3 2  1 b  1 3  1 b  3 4  6 b  1 5  6 b  3 6  2 a  0 7  4 a  0 8  5 a  0

In [30]: result_inner = pd.merge(df1,df2,how='inner') In [31]: result_default = pd.merge(df1,df2)

In [32]: result_inner == result_default Out[32]:   data1 key data2 0 True True True 1 True True True 2 True True True 3 True True True 4 True True True 5 True True True 6 True True True 7 True True True 8 True True True

通过上面的结果可以看出：制定了参数的的交集数据合并处理的结果与数据合并方法merge的默认行为是一致的。

再试一下并集数据合并处理方法，这需要制定参数how为outer：

In [35]: result_outer = pd.merge(df1,df2,how='outer')

In [36]: result_outer Out[36]:   data1 key data2 0  0.0 b 1.0 1  0.0 b 3.0 2  1.0 b 1.0 3  1.0 b 3.0 4  6.0 b 1.0 5  6.0 b 3.0 6  2.0 a 0.0 7  4.0 a 0.0 8  5.0 a 0.0 9  3.0 c NaN 10 NaN d 2.0

通过上面的执行结果可以看出：合并后的数据中的key拥有了两组数据所有的key，而数据虽然有一部分两组数据不能够重合，但也通过NaN的值进行了相应的填补。

还有一点需要注意的，那就是合并之后的数据个数。合并后的数据中，key的个数是两组数据中分别拥有的数据的笛卡尔乘积。如果其中一组没有的时候，进行合并的时候另一组数据中会创建一个NaN数值的对象与之进行合并。

感谢各位的阅读！关于“pandas如何实现数据合并”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！