极客笔记Python连接两个dataframe
在数据处理和分析中，有时候会需要将两个数据集进行连接，以便进行更复杂的分析和处理。在Python中，pandas库提供了丰富的函数来实现数据集的连接操作。本文将详细介绍如何使用pandas库来连接两个dataframe，并给出示例代码以及相应的运行结果。
1. 连接方式
在pandas中，有几种不同的连接方式，包括内连接、外连接、左连接和右连接。这些连接方式的具体含义如下：
- 内连接（inner join）：只保留两个dataframe中共同的部分。
- 外连接（outer join）：保留两个dataframe的所有行，并用NaN填充缺失值。
- 左连接（left join）：以左边的dataframe为基准，保留左右两个dataframe中共同的部分。
- 右连接（right join）：以右边的dataframe为基准，保留左右两个dataframe中共同的部分。
根据具体的需求和数据结构，选择适合的连接方式是很重要的。
2. 示例数据
为了演示连接操作，我们先创建两个示例的dataframe。假设第一个dataframe包含学生的姓名和年龄信息，第二个dataframe包含学生的姓名和成绩信息。
import pandas as pd
# 创建第一个dataframe
data1 = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, 21, 22, 23]}
df1 = pd.DataFrame(data1)
# 创建第二个dataframe
data2 = {'姓名': ['张三', '李四', '王五', '马七'],
'成绩': [90, 85, 88, 92]}
df2 = pd.DataFrame(data2)
3. 内连接
内连接是连接两个dataframe的最常用方式，它只保留两个dataframe中共同的部分。使用pd.merge()函数来进行内连接操作。
inner_join = pd.merge(df1, df2, on='姓名', how='inner')
print(inner_join)
运行结果如下：
姓名 年龄 成绩
0 张三 20 90
1 李四 21 85
2 王五 22 88
从结果可以看出，内连接只保留了两个dataframe中共同的学生（张三、李四、王五）的信息。
4. 外连接
外连接是保留两个dataframe的所有行，并用NaN填充缺失值。使用pd.merge()函数来进行外连接操作。
outer_join = pd.merge(df1, df2, on='姓名', how='outer')
print(outer_join)
运行结果如下：
姓名 年龄 成绩
0 张三 20.0 90.0
1 李四 21.0 85.0
2 王五 22.0 88.0
3 赵六 23.0 NaN
4 马七 NaN 92.0
可以看到，外连接保留了两个dataframe的所有行（包括缺失值）。
5. 左连接
左连接是以左边的dataframe为基准，保留左右两个dataframe中共同的部分。使用pd.merge()函数来进行左连接操作。
left_join = pd.merge(df1, df2, on='姓名', how='left')
print(left_join)
运行结果如下：
姓名 年龄 成绩
0 张三 20 90.0
1 李四 21 85.0
2 王五 22 88.0
3 赵六 23 NaN
左连接保留了左边dataframe（df1）中的所有行，并填充了右边dataframe（df2）中的缺失值。
6. 右连接
右连接是以右边的dataframe为基准，保留左右两个dataframe中共同的部分。使用pd.merge()函数来进行右连接操作。
right_join = pd.merge(df1, df2, on='姓名', how='right')
print(right_join)
运行结果如下：
姓名 年龄 成绩
0 张三 20.0 90
1 李四 21.0 85
2 王五 22.0 88
3 马七 NaN 92
右连接保留了右边dataframe（df2）中的所有行，并填充了左边dataframe（df1）中的缺失值。
结论
通过以上示例，我们了解了如何使用pandas库来连接两个dataframe。在实际应用中，根据具体的需求和数据结构选择合适的连接方式是非常重要的。连接操作能够帮助我们更好地理解和分析数据，提高数据处理的效率和准确性。