数据集的合并：merge 与 join

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

向大家介绍数据集处理过程中的“合并”方法：merge 与 join，为了更好的演示相关操作，需要做一些准备工作，包括导入所需的 Pandas 库与 Numpy 库，以及构建方便于结果展示的 display 类：

1. import pandas as pd
   
2. import numpy as np
   
3. 
   
4. class display(object):
   
5.     """Display HTML representation of multiple objects"""
   
6.     template = """<div style="float: left;padding: 10px;">
   
7.     <p style='font-family:"Courier New", Courier, monospace'>{0}</p>{1}
   
8.     </div>"""
   
9.     def __init__(self, *args):
   
10.         self.args = args
    
11.         
    
12.     def _repr_html_(self):
    
13.         return '\n'.join(self.template.format(a, eval(a)._repr_html_())
    
14.                          for a in self.args)
    
15.    
    
16.     def __repr__(self):
    
17.         return '\n\n'.join(a + '\n' + repr(eval(a))
    
18.                            for a in self.args)

复制代码

类 display 可以方便我们将输出的多个结果展示在一行之中。

接下来，我们构建实例数据 df1 与 df2 ，这两个数据框分别记录了职工的分组与职工的雇佣日期：

1. df1 = pd.DataFrame({'employee': ['Bob', 'Jake', 'Lisa', 'Sue'],
   
2.                     'group': ['Accounting', 'Engineering',
   
3.                               'Engineering', 'HR']})
   
4. df2 = pd.DataFrame({'employee': ['Lisa', 'Bob', 'Jake', 'Sue'],
   
5.                     'hire_date': [2004, 2008, 2012, 2014]})
   
6. display('df1', 'df2')

复制代码

使用 Pandas 库的 merge 函数可以帮助我们进行数据的合并，可以看到，在合并构成的数据框 df3 中同时包含了职工对应的分组与雇佣日期信息：

1. df3 = pd.merge(df1, df2)
   
2. df3

复制代码

同理，我们还可以利用这一函数合并更多的信息，例如每个职员的监管领导：

1. df4 = pd.DataFrame({'group': ['Accounting', 'Engineering', 'HR'],
   
2.                     'supervisor': ['Carly', 'Guido', 'Steve']})
   
3. display('df3', 'df4', 'pd.merge(df3, df4)')

复制代码

函数 merge 会默认的匹配两个原始数据集中相同的列名，当两个数据集的样本量不同时，合并之后构成的数据框会自动扩展：

1. df5 = pd.DataFrame({'group': ['Accounting', 'Accounting',
   
2.                               'Engineering', 'Engineering', 'HR', 'HR'],
   
3.                     'skills': ['math', 'spreadsheets', 'coding', 'linux',
   
4.                                'spreadsheets', 'organization']})
   
5. display('df1', 'df5', "pd.merge(df1, df5)")

复制代码

当然，我们也可以通过参数 on 来指定用于数据集合并的主键：

1. display('df1', 'df2', "pd.merge(df1, df2, on='employee')")

复制代码

同时，我们还可以通过参数 left_on 和 right_on 来指定列名，从而使不同的列名相互对应，进而进行合并：

1. df3 = pd.DataFrame({'name': ['Bob', 'Jake', 'Lisa', 'Sue'],
   
2.                     'salary': [70000, 80000, 120000, 90000]})
   
3. display('df1', 'df3', 'pd.merge(df1, df3, left_on="employee", right_on="name")')

复制代码

然后，我们可以运用 drop 命令舍去数据框中重复意义的列，优化数据合并的效果：

1. pd.merge(df1, df3, left_on="employee", right_on="name").drop('name', axis=1)

复制代码

以上内容转自 数析学院 ，更多 merge 操作以及 join 方法的使用，可以直接搜索阅读原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Merge join 数据集 Spreadsheets Presentation