案例 27: 数据合并 - 使用 merge
知识点讲解
在数据处理中，经常需要将来自不同来源的数据集合并在一起。Pandas 提供了 merge 函数，它类似于 SQL 中的 JOIN 操作，可以根据一个或多个键来合并两个 DataFrame。
- 内连接 (
inner): 只合并两个 DataFrame 中都有的键。 - 外连接 (
outer): 合并两个 DataFrame 中的所有键，不存在的值用 NaN 填充。 - 左连接 (
left): 保留左边 DataFrame 的所有键。 - 右连接 (
right): 保留右边 DataFrame 的所有键。
示例代码
# 准备数据和示例代码的运行结果，用于案例 27# 示例数据
data_merging = {'ID': [1, 2, 3, 4],'Name': ['Alice', 'Bob', 'Charlie', 'David']
}
df1_merging = pd.DataFrame(data_merging)additional_data = {'ID': [3, 4, 5, 6],'Age': [25, 30, 35, 40]
}
df2_merging = pd.DataFrame(additional_data)# 合并数据
merged_inner = pd.merge(df1_merging, df2_merging, on='ID', how='inner')
merged_outer = pd.merge(df1_merging, df2_merging, on='ID', how='outer')
merged_left = pd.merge(df1_merging, df2_merging, on='ID', how='left')
merged_right = pd.merge(df1_merging, df2_merging, on='ID', how='right')df1_merging, df2_merging, merged_inner, merged_outer, merged_left, merged_right在这个示例中，我们使用不同的方式合并了两个 DataFrame：一个包含 ID 和 Name，另一个包含 ID 和 Age。
示例代码运行结果
原始 DataFrame (df1_merging):
ID Name
0 1 Alice
1 2 Bob
2 3 Charlie
3 4 David
原始 DataFrame (df2_merging):
ID Age
0 3 25
1 4 30
2 5 35
3 6 40
内连接 (merged_inner):
ID Name Age
0 3 Charlie 25
1 4 David 30
外连接 (merged_outer):
ID Name Age
0 1 Alice NaN
1 2 Bob NaN
2 3 Charlie 25.0
3 4 David 30.0
4 5 NaN 35.0
5 6 NaN 40.0
左连接 (merged_left):
ID Name Age
0 1 Alice NaN
1 2 Bob NaN
2 3 Charlie 25.0
3 4 David 30.0
右连接 (merged_right):
ID Name Age
0 3 Charlie 25
1 4 David 30
2 5 NaN 35
3 6 NaN 40
这个案例展示了如何使用不同类型的连接来合并数据集，这对于数据整合和分析是非常重要的。
