跳到主要内容

Pandas 连接操作

在数据处理中，我们经常需要将多个数据集合并在一起进行分析。Pandas提供了多种连接操作，帮助我们轻松实现这一目标。本文将详细介绍Pandas中的连接操作，并通过实际案例展示其应用。

什么是连接操作？​

连接操作是指将两个或多个数据集按照某些条件合并在一起的过程。Pandas提供了多种连接方式，包括内连接（inner join）、左连接（left join）、右连接（right join）和外连接（outer join）。这些操作类似于SQL中的JOIN操作。

基本连接操作​

1. 内连接（Inner Join）​

内连接返回两个数据集中键值匹配的行。如果某一行在其中一个数据集中没有匹配的键值，则该行不会出现在结果中。

python
import pandas as pd

# 创建两个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]})

# 内连接
result = pd.merge(df1, df2, on='key', how='inner')
print(result)

输出：

  key  value_x  value_y
0   B        2        5
1   C        3        6
2   D        4        7

2. 左连接（Left Join）​

左连接返回左数据集中的所有行，即使右数据集中没有匹配的键值。如果右数据集中没有匹配的行，则结果中对应的列将包含NaN值。

python
# 左连接
result = pd.merge(df1, df2, on='key', how='left')
print(result)

输出：

  key  value_x  value_y
0   A        1      NaN
1   B        2      5.0
2   C        3      6.0
3   D        4      7.0

3. 右连接（Right Join）​

右连接返回右数据集中的所有行，即使左数据集中没有匹配的键值。如果左数据集中没有匹配的行，则结果中对应的列将包含NaN值。

python
# 右连接
result = pd.merge(df1, df2, on='key', how='right')
print(result)

输出：

  key  value_x  value_y
0   B      2.0        5
1   C      3.0        6
2   D      4.0        7
3   E      NaN        8

4. 外连接（Outer Join）​

外连接返回两个数据集中所有行的并集。如果某一行在其中一个数据集中没有匹配的键值，则结果中对应的列将包含NaN值。

python
# 外连接
result = pd.merge(df1, df2, on='key', how='outer')
print(result)

输出：

  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

实际案例​

假设我们有两个数据集：一个是客户信息表，另一个是订单信息表。我们希望将这两个表合并，以便分析每个客户的订单情况。

python
# 客户信息表
customers = pd.DataFrame({
    'customer_id': [1, 2, 3, 4],
    'name': ['Alice', 'Bob', 'Charlie', 'David']
})

# 订单信息表
orders = pd.DataFrame({
    'order_id': [101, 102, 103, 104],
    'customer_id': [1, 2, 2, 5],
    'amount': [100, 200, 150, 300]
})

# 左连接，以客户信息表为主
result = pd.merge(customers, orders, on='customer_id', how='left')
print(result)

输出：

   customer_id     name  order_id  amount
0            1    Alice     101.0   100.0
1            2      Bob     102.0   200.0
2            2      Bob     103.0   150.0
3            3  Charlie       NaN     NaN
4            4    David       NaN     NaN

在这个例子中，我们使用左连接将客户信息表和订单信息表合并。结果中包含了所有客户的信息，即使某些客户没有订单。

总结​

Pandas提供了强大的连接操作功能，帮助我们轻松合并多个数据集。通过内连接、左连接、右连接和外连接，我们可以根据不同的需求选择合适的方式合并数据。在实际应用中，连接操作是数据分析中不可或缺的一部分。

附加资源​

练习​

  1. 创建两个DataFrame，分别包含学生信息和成绩信息，使用不同的连接方式合并这两个数据集。
  2. 尝试使用外连接合并两个数据集，并分析结果中的NaN值。
提示

在练习中，尝试使用不同的连接方式，观察结果的变化，这将帮助你更好地理解每种连接方式的区别。