一、引言
在数据处理过程中,数据通常会被分成多个表格,而这些表格又会有相同的列或索引。为了将这些表格合并起来,需要用到Join操作。Join操作可以将多个表中的数据合并成一个新表,而Pandas库提供了丰富的Join功能,本文就对Python Pandas Join操作进行详解。
二、Join操作方式
1. Inner Join
Inner Join操作返回两个表中有相同值的行,并将它们合并成一个新表。例如,我们有两个表fruit和color,它们都包含了水果的名称,但是分别包含了水果的颜色和价格。
import pandas as pd # 构造fruit表 fruit = pd.DataFrame({'name': ['apple', 'banana', 'orange', 'pear'], 'color': ['red', 'yellow', 'orange', 'green']}) # 构造color表 price = pd.DataFrame({'name': ['apple', 'banana', 'peach'], 'price': ['2.5', '1.2', '3.0']}) # 使用Inner Join操作合并fruit和color表 merged = pd.merge(fruit, price, on='name', how='inner') print(merged)输出结果为:
name color price 0 apple red 2.5 1 banana yellow 1.2
结果中只包含了fruit表和color表中都存在的apple和banana的信息,因为其它水果在两个表格中都不存在。
2. Left Join
Left Join操作返回左表格中所有的行,以及右表格中和左表格匹配的行,并将它们合并成一个新表。如果右表格中没有和左表格匹配的行,则用NULL值填充新表格中的对应列。
import pandas as pd # 构造fruit表 fruit = pd.DataFrame({'name': ['apple', 'banana', 'orange', 'pear'], 'color': ['red', 'yellow', 'orange', 'green']}) # 构造color表 price = pd.DataFrame({'name': ['apple', 'banana', 'peach'], 'price': ['2.5', '1.2', '3.0']}) # 使用Left Join操作合并fruit和price表 merged = pd.merge(fruit, price, on='name', how='left') print(merged)输出结果为:
name color price 0 apple red 2.5 1 banana yellow 1.2 2 orange orange None 3 pear green None
结果中包含了fruit表中所有的信息,以及price表中和fruit表匹配的信息。注意,price表中没有orange和pear的信息,所以在新表中对应列的值为NULL值。
3. Right Join
Right Join操作返回右表格中所有的行,以及左表格中和右表格匹配的行,并将它们合并成一个新表。如果左表格中没有和右表格匹配的行,则用NULL值填充新表格中的对应列。
import pandas as pd # 构造fruit表 fruit = pd.DataFrame({'name': ['apple', 'banana', 'orange', 'pear'], 'color': ['red', 'yellow', 'orange', 'green']}) # 构造color表 price = pd.DataFrame({'name': ['apple', 'banana', 'peach'], 'price': ['2.5', '1.2', '3.0']}) # 使用Right Join操作合并fruit和color表 merged = pd.merge(fruit, price, on='name', how='right') print(merged)输出结果为:
name color price 0 apple red 2.5 1 banana yellow 1.2 2 peach None 3.0
结果中包含了price表中所有的信息,以及fruit表中和price表匹配的信息。注意,fruit表中没有peach的信息,所以在新表中对应列的值为NULL值。
4. Outer Join
Outer Join操作返回左表格和右表格中所有的行,并将它们合并成一个新表。如果左表格和右表格没有匹配的行,则用NULL值填充对应列。
import pandas as pd # 构造fruit表 fruit = pd.DataFrame({'name': ['apple', 'banana', 'orange', 'pear'], 'color': ['red', 'yellow', 'orange', 'green']}) # 构造color表 price = pd.DataFrame({'name': ['apple', 'banana', 'peach'], 'price': ['2.5', '1.2', '3.0']}) # 使用Outer Join操作合并fruit和price表 merged = pd.merge(fruit, price, on='name', how='outer') print(merged)输出结果为:
name color price 0 apple red 2.5 1 banana yellow 1.2 2 orange orange None 3 pear green None 4 peach None 3.0
结果中包含了fruit表和color表中所有的信息,对于在fruit表或color表中不存在的信息将使用NULL值填充。