Pandas 表连接（Merge，join，concatenate）

连接对象（Concatenating）

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)

join有两个参数inner（内连）和outer（外连）
ignore_index：是否忽略索引，默认不忽略，此时会按照索引连接。
join_axes：使用哪个数据框的索引
keys：复合索引

横向连接

In [1]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
...:                     'B': ['B0', 'B1', 'B2', 'B3'],
...:                     'C': ['C0', 'C1', 'C2', 'C3'],
...:                     'D': ['D0', 'D1', 'D2', 'D3']},
...:                     index=[0, 1, 2, 3])
...:
In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
...:                  'D': ['D2', 'D3', 'D6', 'D7'],
...:                  'F': ['F2', 'F3', 'F6', 'F7']},
...:                 index=[2, 3, 6, 7])
...:
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

纵向连接

In [15]: result = pd.concat([df1, df4], ignore_index=True)

append函数更加有效率

数据库形式的连接（joining/merging）

这个语法是专门为那些使用SQL数据的人群设置的

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)

left：左数据表
right：右数据表
on：以哪一列为标准做联表，如果没有输入参数，则会以共有的索引作为依据
left_on：以左边的数据框作为join key
right_on：以右边的数据框作为join key
left_index：以左边的索引作为join key
right_index：以右边的索引作为join key
how：left right out inner，默认为inner
sort：通过join key对结果进行排序
suffixes：
copy：
indicator：

merge同时也是一个对象方法，对象默认是左联表。而join实例方法则是默认以索引做为连接方法。

In [38]: left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
....:                      'A': ['A0', 'A1', 'A2', 'A3'],
....:                      'B': ['B0', 'B1', 'B2', 'B3']})
....:

In [39]: right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
....:                       'C': ['C0', 'C1', 'C2', 'C3'],
....:                       'D': ['D0', 'D1', 'D2', 'D3']})
....:

In [40]: result = pd.merge(left, right, on='key')

使用indicator可以监视连接的状态

In [48]: df1 = pd.DataFrame({'col1': [0, 1], 'col_left':['a', 'b']})

In [49]: df2 = pd.DataFrame({'col1': [1, 2, 2],'col_right':[2, 2, 2]})

In [50]: pd.merge(df1, df2, on='col1', how='outer', indicator=True)
Out[50]:
col1 col_left  col_right      _merge
0     0        a        NaN   left_only
1     1        b        2.0        both
2     2      NaN        2.0  right_only
3     2      NaN        2.0  right_only