最近在工作中，遇到了数据合并、连接的问题，故整理如下，供需要者参考~
参考自：象在舞：https://blog.csdn.net/gdkyxy2013/article/details/80785361
concat
concat：沿着一条轴，将多个对象堆叠到一起
concat方法相当于数据库中的全连接（union all），它不仅可以指定连接的方式（outer join或inner join）还可以指定按照某个轴进行连接。与数据库不同的是，它不会去重，但是可以使用drop_duplicates方法达到去重的效果。
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，它用于指定是行还是列，axis默认是0。当axis=0时，pd.concat([obj1, obj2])的效果与obj1.append(obj2)是相同的；当axis=1时，pd.concat([obj1, obj2], axis=1)的效果与pd.merge(obj1, obj2, left_index=True, right_index=True, how=‘outer’)是相同的。
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’；
-
join_axes=[]：指定自定义的索引；
-
keys=[]：创建层次化索引；
-
ignore_index=True：重建索引
案例：
student.csv
id name age sex
0 1 tom 23 man
1 2 john 33 man
2 3 alice 22 woman
3 4 jack 42 man
4 5 saex 22 woman
5 6 jmas 21 man
6 7 jjban 34 man
7 8 alicn 22 woman
score.csv
id name score
0 1 tom 89
1 2 john 90
2 3 alice 78
3 4 jack 99
4 5 saex 87
使用contract进行连接，注意contract([df1,df2]) 的这种写法，join可选outer/inner
contract_pd = pd.concat([student_pd,score_pd],join='outer', ignore_index=True)
id name age sex score
0 1 tom 23.0 man NaN
1 2 john 33.0 man NaN
2 3 alice 22.0 woman NaN
3 4 jack 42.0 man NaN
4 5 saex 22.0 woman NaN
5 6 jmas 21.0 man NaN
6 7 jjban 34.0 man NaN
7 8 alicn 22.0 woman NaN
0 1 tom NaN NaN 89.0
1 2 john NaN NaN 90.0
2 3 alice NaN NaN 78.0
3 4 jack NaN NaN 99.0
4 5 saex NaN NaN 87.0
5 6 jmas NaN NaN 33.0
contract_pd = pd.concat([student_pd,score_pd],join='inner', ignore_index=True)
id name
0 1 tom
1 2 john
2 3 alice
3 4 jack
4 5 saex
5 6 jmas
6 7 jjban
7 8 alicn
8 1 tom
9 2 john
10 3 alice
11 4 jack
12 5 saex
13 6 jmas
merge 通过键拼接列
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。
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)
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；
示例：
# 1.默认以重叠的列名当做连接键
contract_pd = pd.merge(student_pd,score_pd,how="inner",sort=True)
id name_x age sex name_y score
0 1 tom 23 man tom 89
1 2 john 33 man john 90
2 3 alice 22 woman alice 78
3 4 jack 42 man jack 99
4 5 saex 22 woman saex 87
5 6 jmas 21 man jmas 33
# 2.默认做inner连接（取key的交集），连接方式还有（left,right,outer)，制定连接方式加参数：how=''
contract_pd = pd.merge(student_pd,score_pd,how="left",on='id',sort=True)
id name_x age sex name_y score
0 1 tom 23 man tom 89.0
1 2 john 33 man john 90.0
2 3 alice 22 woman alice 78.0
3 4 jack 42 man jack 99.0
4 5 saex 22 woman saex 87.0
5 6 jmas 21 man jmas 33.0
6 7 jjban 34 man NaN NaN
7 8 alicn 22 woman NaN NaN
# 3. 执行on 的时候不能够指定left_on 或者right_on
contract_pd = pd.merge(student_pd, score_pd, how="left", left_on='id', right_on='id', sort=True)
id name_x age sex name_y score
0 1 tom 23 man tom 89.0
1 2 john 33 man john 90.0
2 3 alice 22 woman alice 78.0
3 4 jack 42 man jack 99.0
4 5 saex 22 woman saex 87.0
5 6 jmas 21 man jmas 33.0
6 7 jjban 34 man NaN NaN
7 8 alicn 22 woman NaN NaN
按照条件取出merge的结果：
# 取出score为NaN的记录
allsed = contract_pd.loc[contract_pd.score.isna()]
id name_x age sex name_y score
6 7 jjban 34 man NaN NaN
7 8 alicn 22 woman NaN NaN
# 取出score 为非NaN的记录
allsed = contract_pd.loc[~contract_pd.score.isna()]
id name_x age sex name_y score
0 1 tom 23 man tom 89.0
1 2 john 33 man john 90.0
2 3 alice 22 woman alice 78.0
3 4 jack 42 man jack 99.0
4 5 saex 22 woman saex 87.0
5 6 jmas 21 man jmas 33.0
# 对结果进行去重
allsed.drop_duplicates()
作用上lambda函数：
tag_pd = pd.read_csv("tags.csv")
id tags
0 1 1234|2345|3456|2348|7865|1357
1 2 1234|2345|3456|2348|7865|1357
2 3 1234|2345|3456|2348|7865|1357
3 4 1234|2345|3456|2348|7865|1357
4 5 1234|2345|3456|2348|7865|1357
5 6 1234|2345|3456|2348|7865|1357
tag_pd['idss'] = tag_pd.tags.apply(lambda x:x.split('|'))
id tags idss
0 1 1234|2345|3456|2348|7865|1357 [1234, 2345, 3456, 2348, 7865, 1357]
1 2 1234|2345|3456|2348|7865|1357 [1234, 2345, 3456, 2348, 7865, 1357]
2 3 1234|2345|3456|2348|7865|1357 [1234, 2345, 3456, 2348, 7865, 1357]
3 4 1234|2345|3456|2348|7865|1357 [1234, 2345, 3456, 2348, 7865, 1357]
4 5 1234|2345|3456|2348|7865|1357 [1234, 2345, 3456, 2348, 7865, 1357]
总结：
- contract 类似于关系型数据库中的union all 操作
- merge 类似于关系型数据库中的 inner join 、left join、right join 操作