【有书共读】跟老齐学Python 读书笔记6 之数据的合并

数据的合并

1.pd.contact
这个是之前讲过的一个函数，可以通过指定连接轴的方向axis值，来实现是按行合并还是按列合并（行列是对DataFrame对象而言的）。

那假如通过concat对象合并的数据内容具有相同的记录呢？

可以发现，记录 height 值为135 同时 name 值为 "conna" 的记录出现了两次，而生活中，我们往往处理的是像数据库中的一些数据，而我们知道数据库的数据一般都具有唯一性，也就是在这里我们希望记录 height 值为135 同时 name 值为 "conna" 的记录只出现一次，这个时候，我们就可以用pd.merge 函数来实现两个DataFrame对象的“数据库风格合并”了。

事实上，之所以 pd.merge 可以实现取两个DataFrame对象的交集，是因为参数 how 默认值是"inner"，既然可以设置交集，同样我们可以通过指定参数 how 的值为 “outer” 来取两个DataFrame对象的并集。

除了并集和交集，参数 how 的取值还可以为 left 和 right，分别表示以左边的对象、右边的对象中所指定的列、以并集的方式合并数据，具体效果可以参照下图（注意红线框所圈部分）。

我们可以通过指明参数 indicator 值为 True 来使数据来源更加清楚，其中 "left_only" 表示该行记录来源于左边的DataFrame对象， “right_only”表示该行记录来源于右边的DataFrame对象，自然而然，"both" 表示该行记录来源于左、右对象共有的记录。

除了以整个左边的列、整个右边的列为关键字，还可以通过指定参数 on 的值，来选取指定列为合并的关键字选项（注意下图出现 NaN 是空数据），一般参数 on 的取值为左、右对象共有的列，如果是要单独用左边对象的列为合并关键字，或者右边对象的列为合并关键字，可以分别设置参数 left_on 和 right_on 的值来实现。

关于 pd.merge 函数的更多参数设置可以看官方文档：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.merge.html