大家好，我是早起。

Pandas中有很多好用的函數(shù)，其中就包括merge，但是如果你剛接觸可能會被各種連接繞暈，本文嘗試講清楚！

為了方便維護(hù)，一般公司的數(shù)據(jù)在數(shù)據(jù)庫內(nèi)都是分表存儲的，比如用一個表存儲所有用戶的基本信息，一個表存儲用戶的消費(fèi)情況。所以，在日常的數(shù)據(jù)處理中，經(jīng)常需要將兩張表拼接起來使用，這樣的操作對應(yīng)到SQL中是join，在Pandas中則是用merge來實(shí)現(xiàn)。這篇文章就講一下merge的主要原理。

上面的引入部分說到merge是用來拼接兩張表的，那么拼接時自然就需要將用戶信息一一對應(yīng)地進(jìn)行拼接，所以進(jìn)行拼接的兩張表需要有一個共同的識別用戶的鍵（key）。總結(jié)來說，整個merge的過程就是將信息一一對應(yīng)匹配的過程，下面介紹merge的四種類型，分別為'inner'、'left'、'right'和'outer'。

inner

merge的'inner'的類型稱為內(nèi)連接，它在拼接的過程中會取兩張表的鍵（key）的交集進(jìn)行拼接。什么意思呢？下面以圖解的方式來一步一步拆解。

首先我們有以下的數(shù)據(jù)，左側(cè)和右側(cè)的數(shù)據(jù)分別代表了用戶的基礎(chǔ)信息和消費(fèi)信息，連接兩張表的鍵是userid。

現(xiàn)在用'inner'的方式進(jìn)行merge

In [6]: df_1.merge(df_2,how='inner',on='userid')Out[6]:  userid  age  payment0      a   23     20001      c   32     3500

過程圖解：

①取兩張表的鍵的交集，這里df_1和df_2的userid的交集是{a,c}

②對應(yīng)匹配

③結(jié)果

過程匯總：

相信整個過程并不難理解，上面演示的是同一個鍵下，兩個表對應(yīng)只有一條數(shù)據(jù)的情況（一個用戶對應(yīng)一條消費(fèi)記錄），那么，如果一個用戶對應(yīng)了多條消費(fèi)記錄的話，那又是怎么拼接的呢？

假設(shè)現(xiàn)在的數(shù)據(jù)變成了下面這個樣子，在df_2中，有兩條和a對應(yīng)的數(shù)據(jù)：

同樣用inner的方式進(jìn)行merge：

In [12]: df_1.merge(df_2,how='inner',on='userid')Out[12]:  userid  age  payment0      a   23     20001      a   23      5002      b   46     10003      c   32     3500

整個過程除了對應(yīng)匹配階段，其他和上面基本都是一致的。

過程圖解：

①取兩張表的鍵的交集，這里df_1和df_2的userid的交集是{a,b,c}

②對應(yīng)匹配時，由于這里的a有兩條對應(yīng)的消費(fèi)記錄，故在拼接時，會將用戶基礎(chǔ)信息表中a對應(yīng)的數(shù)據(jù)復(fù)制多一行來和右邊進(jìn)行匹配。

③結(jié)果

left 和right

'left'和'right'的merge方式其實(shí)是類似的，分別被稱為左連接和右連接。這兩種方法是可以互相轉(zhuǎn)換的，所以在這里放在一起介紹。

• 'left'

merge時，以左邊表格的鍵為基準(zhǔn)進(jìn)行配對，如果左邊表格中的鍵在右邊不存在，則用缺失值NaN填充。

• 'right'

merge時，以右邊表格的鍵為基準(zhǔn)進(jìn)行配對，如果右邊表格中的鍵在左邊不存在，則用缺失值NaN填充。

什么意思呢？用一個例子來具體解釋一下，這是演示的數(shù)據(jù)

現(xiàn)在用'left'的方式進(jìn)行merge

In [21]: df_1.merge(df_2,how='left',on='userid')Out[21]:  userid  age  payment0      a   23   2000.01      b   46      NaN2      c   32   3500.03      d   19      NaN

過程圖解：

①以左邊表格的所有鍵為基準(zhǔn)進(jìn)行配對。圖中，因?yàn)橛冶碇械?code style="font-size: 14px;overflow-wrap: break-word;padding: 2px 4px;border-radius: 4px;margin-right: 2px;margin-left: 2px;color: rgb(30, 107, 184);background-color: rgba(27, 31, 35, 0.05);font-family: "Operator Mono", Consolas, Monaco, Menlo, monospace;word-break: break-all;">e不在左表中，故不會進(jìn)行配對。

②若右表中的payment列合并到左表中，對于沒有匹配值的用缺失值NaN填充

過程匯總：

對于'right'類型的merge和'left'其實(shí)是差不多的，只要把兩個表格的位置調(diào)換一下，兩種方式返回的結(jié)果就是一樣的（），如下：

In [22]: df_2.merge(df_1,how='right',on='userid')Out[22]:  userid  payment  age0      a   2000.0   231      c   3500.0   322      b      NaN   463      d      NaN   19

至于'left'和'right'中（乃至于下面將介紹的'outer'）連接的鍵是一對多的情況，原理和上方的'inner'是類似的，這里便不再贅述。

outer

'outer'是外連接，在拼接的過程中它會取兩張表的鍵（key）的并集進(jìn)行拼接?？次淖植粔蛑庇^，還是上例子吧！

還是使用上方用過的演示數(shù)據(jù)

這次使用'outer'進(jìn)行merge

In [24]: df_1.merge(df_2,how='outer',on='userid')Out[24]:  userid   age  payment0      a  23.0   2000.01      b  46.0      NaN2      c  32.0   3500.03      d  19.0      NaN4      e   NaN    600.0

圖解如下：

①取兩張表鍵的并集，這里是{a,b,c,d,e}

②將兩張表的數(shù)據(jù)列拼起來，對于沒有匹配到的地方，使用缺失值NaN進(jìn)行填充

能讀到這里的小伙伴想必也基本理解了merge的整個過程，總結(jié)來說，merge的不同類型區(qū)別就在于，拼接時選用的兩張表格的鍵的集合不同。關(guān)于Pandas的merge就介紹到這里！