前言
    为了方便维护,一般公司数据数据库内都是分表存储的,比如一个表存储所有用户基本信息一个表存储用户的消费情况。
    所以,在日常数据处理中,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实现
    上面的引入部分说到merge用来拼接两张表的,那么拼接时自然就需要用户信息一对应地进行拼接
    所以进行拼接的两张表需要一个共同的识别用户的键(key),也就是on参数指定的列。
总结来说,整个merge过程就是将信息一一对应匹配过程,下面介绍merge的四种类型,分别为’inner‘、’left‘、’right‘和’outer‘。

表的连接方式参考以下文档https://zhuanlan.zhihu.com/p/102274476

merge参数讲解

merge(
    left,            # 左表
    right,           # 右表
    how="inner",     # 连接方式innerleftrightouter默认inner
    on=None,
    """
    on: 用于连接的列名称
    指定合并用于连接(外连,内连,左连,右连)的列。
    默认为Nonemerge()方法自动识别两个DataFrame中名字相同的列,作为连接的列。
    on参数指定的列必须在两个合并DataFrame中都有,否则会报错。
    on参数也可以指定多列合并时按多个列进行连接。在合并时,只有多个列的值同时相等,两个DataFrame才会匹配上。
    """
    left_on,         # 左表用于连接的列名
    right_on,        # 右表用于连接的列名
    """
    使用on参数时,指定的列必须在两个DataFrame中都有。
    merge()方法支持两个DataFrame分别指定连接的列,此时不要求指定列在两个DataFrame中都有。
    当left_on和right_on都指定一样的列时,与用on参数的结果一样。
    """
    left_index,      # 是否使用左表的行索引作为连接键,默认False
    right_index,     # 是否使用右表的行索引作为连接键,默认False
    sort,            # 默认为False,将合并数据进行排序
    copy,            # 默认为True,总是将数据复制数据结构中,设置为False可以高性能
    suffixes,        # 存在相同列名时在列名后面添加后缀,默认为(’_x’, ‘_y’)
    indicator,       # 显示合并数据中数据来自哪个表
    validate=None,
    """
    validate: 用于指定两个DataFrame连接列的对应关系。
    有one_to_one(一对一),one_to_many(一对多),many_to_one(多对一),many_to_many(多对多)四种对应方式。
    默认为None,merge()方法自动根据两个DataFrame的连接列采用适合的对应方式。
    """
)

创建两个DataFrame

dishes_info = pd.read_csv("./dishes_info.csv")
order_sample = pd.read_csv("./order_sample.csv")
print(dishes_info)
print(order_sample)

dishes_info

order_sample:

我们使用merge方法将两表根据dishes_id列连接起来,使用左连接的方式

data = pd.merge(dishes_info, order_sample, on="dishes_id", how="left")

 新表data数据如下

以上是常用的方式,根据两表都具有的列(相同列名,相同类型)进行表连接。

有的时候合并操作不是用DataFrame的列,而是用索引作为键。把left_index和right_index选项的值置为True,就可将其作为合并DataFrame的基准

data = pd.merge(dishes_info, order_sample, how="left", left_index=True, right_index=True)

生成的data数据如下

文章对这两表进行以索引基准的连接操作没有意义,这两表就不是这样连的(有意义的连接应该是根据dishes_id进行连接),主要就是硬解释一下left_index和right_index选项作用

然后,咱来看一下pandasjoin函数的使用方式

前言
    join做连接操作可以参考如下文章    https://blog.csdn.net/bitcarmanlee/article/details/113311113

join(
    other,            # DataFrame, Series, or list of DataFrame,另外一个dataframe, series,或者dataframe list。
    on=None,          # 参与join的列,与sql中的on参数类似。
    how=“left”,       # how: {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘left’, 与sql中的join方式类似。
    lsuffix="",       #  lsuffix: 左DataFrame中重复列的后缀
    rsuffix="",       # rsuffix: 右DataFrame中重复列的后缀
    sort=False        # 默认为False,将合并的数据进行排序
)

DataFrame对象join()函数就像是merge()函数的left_index & right_index 为 True
DataFrame对象join()函数更适合于根据索引进行合并我们可以用它合并多个索引相同列不同的DataFrame对象

以下是我根据行索引进行连接,报错显示有相同的列,就是两表都有dishes_id这列,但是我没有修改

data = dishes_info.join(order_sample)         # 会报错原因就是因为有重复的列名

# 以下为错误信息
"""
dishes_id
ValueError                                Traceback (most recent call last)
<ipython-input-18-8bc025c8fee6> in <module>()
      1 # DataFrame对象的join()函数就像是merge()函数的left_index &amp; right_index 为 True
      2 # DataFrame对象的join()函数更适合于根据索引进行合并,我们可以用它合并多个索引相同列不同的DataFrame对象。
----> 3 data = dishes_info.join(order_sample)         # 会报错,原因就是因为有重复的列名dishes_id
      4 # 由于join默认根据行索引进行连接,所以我们修改两表的行索引为dishes_id列在进行连接
      5 # dishes_info.set_index("dishes_id", inplace=True)     # 该函数默认不修改原数据,需要inplace配置项指定为True才保存修改

D:Destinationlibsite-packagespandascoreframe.py in join(self, other, on, how, lsuffix, rsuffix, sort)
   6334         # For SparseDataFrame's benefit
   6335         return self._join_compat(other, on=on, how=how, lsuffix=lsuffix,
-> 6336                                  rsuffix=rsuffix, sort=sort)
   6337 
   6338     def _join_compat(self, other, on=None, how='left', lsuffix='', rsuffix='',

D:Destinationlibsite-packagespandascoreframe.py in _join_compat(self, other, on, how, lsuffix, rsuffix, sort)
   6349             return merge(self, other, left_on=on, how=how,
   6350                          left_index=on is None, right_index=True,
-> 6351                          suffixes=(lsuffix, rsuffix), sort=sort)
   6352         else:
   6353             if on is not None:

D:Destinationlibsite-packagespandascorereshapemerge.py in merge(left, right, how, on, left_on, right_on, left_index, right_index, sort, suffixes, copy, indicator, validate)
     60                          copy=copy, indicator=indicator,
     61                          validate=validate)
---> 62     return op.get_result()
     63 
     64 

D:Destinationlibsite-packagespandascorereshapemerge.py in get_result(self)
    572 
    573         llabels, rlabels = items_overlap_with_suffix(ldata.items, lsuf,
--> 574                                                      rdata.items, rsuf)
    575 
    576         lindexers = {1: left_indexer} if left_indexer is not None else {}

D:Destinationlibsite-packagespandascoreinternals.py in items_overlap_with_suffix(left, lsuffix, right, rsuffix)
   5242         if not lsuffix and not rsuffix:
   5243             raise ValueError('columns overlap but no suffix specified: '
-> 5244                              '{rename}'.format(rename=to_rename))
   5245 
   5246         def lrenamer(x):

ValueError: columns overlap but no suffix specified: Index(['dishes_id'], dtype='object')
"""

我们对join正确用法
由于join默认根据行索引进行连接,所以我们修改两表的行索引为dishes_id列在进行连接

dishes_info.set_index("dishes_id", inplace=True)     # 该函数默认不修改原数据,需要inplace配置项指定为True才保存修改
order_sample.set_index("dishes_id", inplace=True)

dishes_info数据:

order_sample数据:

 修改完成后对两表进行根据行索引作为基准的表连接

data = dishes_info.join(order_sample)

 生成data表的数据

如上所示,join合并操作默认是以行索引而不是以列为基准

Join函数有on参数,如果指定了,那就表示join连接以行索引并且以on指定的列联合作为键进行表连接。

 

 

原文地址:https://blog.csdn.net/weixin_45602981/article/details/127860312

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_27192.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注