Python之王 Pandas数据合并与拼接的5种方法 pandas数据处理功能强大

【Python之王 Pandas数据合并与拼接的5种方法】pandas数据处理功能强大，可以方便的实现数据的合并与拼接，具体是如何实现的呢？
一、DataFrame.concat：沿着一条轴，将多个对象堆叠到一起语法：
concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verify_integrity=False,copy=True):pd.concat()只是单纯的把两个表拼接在一起，参数axis是关键，它用于指定合并的轴是行还是列， axis默认是0 。

文章图片
axis=0代表纵向合并；
axis=1代表横向合并。
参数介绍：
objs：需要连接的对象集合，一般是列表或字典；
axis：连接轴向；
join：参数为‘outer’或‘inner’；
ignore_index=True：重建索引
举例：

文章图片
默认纵向拼接

文章图片
横向全拼接（默认索引全保留）

文章图片
横向关联拼接（只保留左右都存在的索引行）

文章图片
二、DataFrame.merge：类似vlookup语法：
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)类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。
参数介绍：
left和right：两个不同的DataFrame；
how：连接方式，有inner、left、right、outer ，默认为inner；
on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；
left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有用；
right_on：右侧DataFrame中用于连接键的列名；
left_index：使用左侧DataFrame中的行索引作为连接键；
right_index：使用右侧DataFrame中的行索引作为连接键；
sort：默认为True ，将合并的数据进行排序，设置为False可以提高性能；
suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x','_y')；
copy：默认为True ，总是将数据复制到数据结构中，设置为False可以提高性能；
indicator：显示合并数据中数据的来源情况
举例：

文章图片
没有指定连接键，默认用重叠列名，没有指定连接方式，默认inner内连接（取key的交集）

文章图片
通过how ，指定连接方式

文章图片
多键连接时将连接键组成列表传入，例：pd.merge(df1,df2,on=['key1','key2']

文章图片

文章图片
如果两个对象的列名不同，可以使用left_on ， right_on分别指定