在數據分析和處理過程中，數據合并（Merge）是一個非常常見的操作。Pandas庫提供了強大的數據合并功能，其中pd.merge()函數是最常用的工具之一。本文將詳細介紹pd.merge()的使用方法，并通過多個示例幫助你掌握這一強大的功能。
數據合并是指將兩個或多個數據集按照某些條件組合在一起，形成一個新的數據集。在數據分析中，數據合并通常用于將不同來源的數據整合在一起，以便進行更全面的分析。
例如，假設你有兩個數據集：一個包含客戶信息，另一個包含訂單信息。通過將這兩個數據集合并，你可以得到一個包含客戶信息和訂單信息的完整數據集，從而更好地分析客戶的購買行為。
pd.merge()函數的基本語法如下：
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, suffixes=('_x', '_y'))
參數說明：
left：左側的DataFrame。right：右側的DataFrame。how：合并類型，默認為'inner'，可選值有'left'、'right'、'outer'。on：用于合并的列名，必須同時存在于左右兩個DataFrame中。left_on：左側DataFrame中用于合并的列名。right_on：右側DataFrame中用于合并的列名。left_index：如果為True，則使用左側DataFrame的索引作為合并鍵。right_index：如果為True，則使用右側DataFrame的索引作為合并鍵。suffixes：用于處理重復列名的后綴，默認為('_x', '_y')。pd.merge()支持多種合并類型，主要包括內連接、左連接、右連接和外連接。下面我們將詳細介紹每種合并類型。
內連接是pd.merge()的默認合并類型。它只保留兩個DataFrame中鍵值匹配的行。
import pandas as pd
# 創建兩個DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'C', 'D', 'E'], 'value': [5, 6, 7, 8]})
# 內連接
result = pd.merge(df1, df2, on='key')
print(result)
輸出結果：
key value_x value_y
0 B 2 5
1 C 3 6
2 D 4 7
左連接保留左側DataFrame中的所有行，并在右側DataFrame中匹配的行。如果右側DataFrame中沒有匹配的行，則結果中對應的值為NaN。
# 左連接
result = pd.merge(df1, df2, on='key', how='left')
print(result)
輸出結果：
key value_x value_y
0 A 1 NaN
1 B 2 5.0
2 C 3 6.0
3 D 4 7.0
右連接保留右側DataFrame中的所有行，并在左側DataFrame中匹配的行。如果左側DataFrame中沒有匹配的行，則結果中對應的值為NaN。
# 右連接
result = pd.merge(df1, df2, on='key', how='right')
print(result)
輸出結果：
key value_x value_y
0 B 2.0 5
1 C 3.0 6
2 D 4.0 7
3 E NaN 8
外連接保留兩個DataFrame中的所有行，并在沒有匹配的行中填充NaN。
# 外連接
result = pd.merge(df1, df2, on='key', how='outer')
print(result)
輸出結果：
key value_x value_y
0 A 1.0 NaN
1 B 2.0 5.0
2 C 3.0 6.0
3 D 4.0 7.0
4 E NaN 8.0
在實際應用中，合并鍵的選擇非常重要。合并鍵可以是單個列或多個列的組合。
單鍵合并是指使用一個列作為合并鍵。例如：
# 單鍵合并
result = pd.merge(df1, df2, on='key')
print(result)
多鍵合并是指使用多個列作為合并鍵。例如：
# 創建兩個DataFrame
df1 = pd.DataFrame({'key1': ['A', 'B', 'C', 'D'], 'key2': ['W', 'X', 'Y', 'Z'], 'value': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key1': ['B', 'C', 'D', 'E'], 'key2': ['X', 'Y', 'Z', 'W'], 'value': [5, 6, 7, 8]})
# 多鍵合并
result = pd.merge(df1, df2, on=['key1', 'key2'])
print(result)
輸出結果：
key1 key2 value_x value_y
0 B X 2 5
1 C Y 3 6
2 D Z 4 7
當兩個DataFrame中存在相同的列名時，pd.merge()會自動為這些列添加后綴以區分它們。默認情況下，后綴為'_x'和'_y'。
# 處理重復列名
result = pd.merge(df1, df2, on='key', suffixes=('_left', '_right'))
print(result)
輸出結果：
key value_left value_right
0 B 2 5
1 C 3 6
2 D 4 7
在某些情況下，你可能希望使用DataFrame的索引作為合并鍵?？梢酝ㄟ^設置left_index和right_index參數來實現。
# 使用索引作為合并鍵
df1.set_index('key', inplace=True)
df2.set_index('key', inplace=True)
result = pd.merge(df1, df2, left_index=True, right_index=True)
print(result)
輸出結果：
value_x value_y
key
B 2 5
C 3 6
D 4 7
假設你有兩個數據集：一個包含客戶信息，另一個包含訂單信息。你可以通過pd.merge()將這兩個數據集合并，以便分析客戶的購買行為。
# 創建客戶信息DataFrame
customers = pd.DataFrame({
'customer_id': [1, 2, 3, 4],
'name': ['Alice', 'Bob', 'Charlie', 'David']
})
# 創建訂單信息DataFrame
orders = pd.DataFrame({
'order_id': [101, 102, 103, 104],
'customer_id': [1, 2, 3, 5],
'amount': [100, 200, 300, 400]
})
# 合并客戶信息和訂單信息
result = pd.merge(customers, orders, on='customer_id', how='left')
print(result)
輸出結果：
customer_id name order_id amount
0 1 Alice 101.0 100.0
1 2 Bob 102.0 200.0
2 3 Charlie 103.0 300.0
3 4 David NaN NaN
在某些情況下，你可能需要合并多個數據集?？梢酝ㄟ^多次調用pd.merge()來實現。
# 創建第三個DataFrame
payments = pd.DataFrame({
'payment_id': [201, 202, 203, 204],
'order_id': [101, 102, 103, 105],
'amount': [50, 100, 150, 200]
})
# 合并客戶信息、訂單信息和支付信息
result = pd.merge(customers, orders, on='customer_id', how='left')
result = pd.merge(result, payments, on='order_id', how='left')
print(result)
輸出結果：
customer_id name order_id amount_x payment_id amount_y
0 1 Alice 101.0 100.0 201.0 50.0
1 2 Bob 102.0 200.0 202.0 100.0
2 3 Charlie 103.0 300.0 203.0 150.0
3 4 David NaN NaN NaN NaN
pd.merge()是Pandas庫中非常強大的數據合并工具，支持多種合并類型和靈活的合并鍵選擇。通過本文的介紹和示例，你應該已經掌握了pd.merge()的基本用法。在實際的數據分析工作中，靈活運用pd.merge()可以幫助你高效地整合和處理數據，從而更好地進行數據分析和挖掘。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
