merge()方法是Pandas中的合并操作，在數(shù)據(jù)處理過程中很常用，本文介紹merge()方法的具體用法。
merge(left, right): 將兩個(gè)DataFrame或Series合并到一起。left和right參數(shù)是必傳參數(shù)，分別傳入一個(gè)DataFrame或Series對(duì)象，合并的順序與傳入的順序一致。從參數(shù)名left和right可以看出，merge()方法主要用于按列合并(橫向合并)。
merge()方法也可以實(shí)現(xiàn)按行合并(縱向)的效果，需要兩個(gè)DataFrame的列名完全一樣，且要指定合并方式為outer。
如果兩個(gè)DataFrame的列名完全相同，使用outer合并方式，效果是將兩個(gè)DataFrame按行合并到一起。merge()默認(rèn)的合并方式是inner(取交集)，列名完全相同時(shí)取交集合并的結(jié)果是空DataFrame。
其實(shí)，此時(shí)合并的原理也是按列合并，特殊的是兩個(gè)DataFrame中列名完全一樣，且沒有指定on參數(shù)。merge()方法自動(dòng)將所有列同時(shí)作為連接列，合并時(shí)取并集，所有的連接列在結(jié)果中都返回了，得到的效果就與按行合并一樣。(理解how參數(shù)和on參數(shù)后就會(huì)明白，下文馬上介紹)。
how: 指定合并時(shí)使用的連接方式，連接方式有四種，默認(rèn)為inner。| inner | 內(nèi)連 | 取key列的交集 |
| outer | 外連 | 取key列的并集 |
| left | 左連 | 使用左邊df的key列 |
| right | 右連 | 使用右邊df的key列 |
on: 指定合并時(shí)用于連接(外連，內(nèi)連，左連，右連)的列。默認(rèn)為None，merge()方法自動(dòng)識(shí)別兩個(gè)DataFrame中名字相同的列，作為連接的列，如本文前面的例子中沒有指定on參數(shù)，也自動(dòng)識(shí)別了相同的列作為連接列。
合并時(shí)，先找到兩個(gè)DataFrame中的連接列key，然后將第一個(gè)DataFrame中key列的每個(gè)值依次與第二個(gè)DataFrame中的key列進(jìn)行匹配，匹配到一次結(jié)果中就會(huì)有一行數(shù)據(jù)。上面的left和right中key列都是k0~k2，k0~k2分別匹配到一次，共匹配三次，所以結(jié)果有三行。假如將k0~k2都改成k，則left中的每一個(gè)k可以與right中的k匹配到三次(many_to_many，后面會(huì)介紹)，共匹配9次，結(jié)果會(huì)有9行。on參數(shù)指定的列必須在兩個(gè)被合并DataFrame中都有，否則會(huì)報(bào)錯(cuò)。
on參數(shù)也可以指定多列，合并時(shí)按多個(gè)列進(jìn)行連接。
在合并時(shí)，只有多個(gè)列的值同時(shí)相等，兩個(gè)DataFrame才會(huì)匹配上。上面的例子中，用于連接的列是key1,key2，k0,k0在兩個(gè)DataFrame中都有，匹配到一次，k1,k1匹配到兩次，k2,k2和k2,k3等都沒有匹配成功，所以結(jié)果為三行(默認(rèn)合并方式為inner)。
使用on參數(shù)時(shí)，指定的列必須在兩個(gè)DataFrame中都有。merge()方法也支持兩個(gè)DataFrame分別指定連接的列，此時(shí)不要求指定列在兩個(gè)DataFrame中都有。
left_on: 指定第一個(gè)DataFrame中用于連接的列，默認(rèn)為None。right_on: 指定第二個(gè)DataFrame中用于連接的列，默認(rèn)為None。當(dāng)left_on和right_on都指定一樣的列時(shí)，與用on參數(shù)的結(jié)果一樣。如果left_on和right_on指定不同的列，可能因?yàn)檫B接列的值匹配不上，結(jié)果是一個(gè)空DataFrame，將連接方式改成outer后才能得到非空的DataFrame。
left_on和right_on也可以指定一個(gè)array數(shù)組，長(zhǎng)度與DataFrame中的列長(zhǎng)度相等，連接原理不變。
left_index: 設(shè)置第一個(gè)DataFrame用行索引進(jìn)行連接，默認(rèn)為False。right_index: 設(shè)置第二個(gè)DataFrame用行索引進(jìn)行連接，默認(rèn)為False。left_on和right_on可以與left_index和right_index混合使用，當(dāng)指定了其中一個(gè)DataFrame的連接列時(shí)，必須同時(shí)指定另一個(gè)DataFrame的連接列，否則會(huì)報(bào)錯(cuò)。兩個(gè)DataFrame都有兩種方式指定連接列，所以組合的方式有四種。| DataFrame | left | right |
四種指定連接列的組合 | left_on | right_on |
| left_index | right_index |
| left_on | right_index |
| left_index | right_on |
suffixes: 當(dāng)被合并的兩個(gè)DataFrame中有相同的列名時(shí)，會(huì)給列名拼接后綴以作區(qū)分，默認(rèn)為('_x', '_y')。可以修改suffixes參數(shù)進(jìn)行設(shè)置，傳入長(zhǎng)度為2的字符串元組。
indicator: 在結(jié)果中增加一列，顯示連接列是否存在于兩個(gè)DataFrame中。indicator默認(rèn)為False，如果修改為True，會(huì)增加一列，增加的列名默認(rèn)為_merge。
給indicator參數(shù)指定一個(gè)值，則將這個(gè)值作為新增列的列名。在新增的列中，如果連接列同時(shí)存在于兩個(gè)DataFrame中，則對(duì)應(yīng)的值為both，如果連接列只存在其中一個(gè)DataFrame中，則對(duì)應(yīng)的值為left_only或right_only。
七連接列的對(duì)應(yīng)關(guān)系
validate: 用于指定兩個(gè)DataFrame連接列的對(duì)應(yīng)關(guān)系，有one_to_one(一對(duì)一)，one_to_many(一對(duì)多)，many_to_one(多對(duì)一)，many_to_many(多對(duì)多)四種對(duì)應(yīng)方式。默認(rèn)為None，merge()方法自動(dòng)根據(jù)兩個(gè)DataFrame的連接列采用適合的對(duì)應(yīng)方式。
one_to_one: 檢查兩個(gè)DataFrame中的連接列，值必須唯一。
one_to_many: 檢查第一個(gè)DataFrame中的連接列，值必須唯一。
many_to_one: 檢查第二個(gè)DataFrame中的連接列，值必須唯一。
many_to_many: 兩個(gè)DataFrame連接列中的值都可以不唯一。
使用多對(duì)多的對(duì)應(yīng)方式，任何情況都滿足，合并不會(huì)報(bào)錯(cuò)。而使用其他三種方式時(shí)，如果one對(duì)應(yīng)的DataFrame中連接列的值不唯一，會(huì)報(bào)錯(cuò)。所以，在對(duì)數(shù)據(jù)不夠了解、也沒有特別的對(duì)應(yīng)要求時(shí)，不用指定validate參數(shù)。以上就是Pandas合并方法merge()的介紹，本文都是以DataFrame為例，Series合并以及Series與DataFrame合并的原理相似。如果需要本文代碼，可以點(diǎn)擊關(guān)注公眾號(hào)“Python碎片”，然后在后臺(tái)回復(fù)“pandas13”關(guān)鍵字獲取完整代碼。
