Python数据分析补充：多表合并与连接_pd.merge()将多个表连接的方式how参数为()

在平时的学习或工作中可能会涉及多张表的操作，例如：

• 将表结构先沟通（即变量个数和变量类型均仙童）的多张表纵向合并到一张长表中。
• 将多张表的变量水平扩展到一张宽表中。

如果对数据SQL语法比较熟悉，那表之间的合并和连接就非常简单了，对于多张表的合并，只需要使用UNION或NION ALL关键词，对于多张表之间的连接只需要使用INNER JOIN或LEFT JOIN即可。

需要注意的是
对于多表之间的纵向合并，必须确保夺标的列数和数据类型一致；
对于多表之间的水平扩展，则必须保证多表之间拥有共同的匹配变量。

对于Python来说，Pandas模块提供了对应的concat函数和merge函数来实现纵向合并和横向合并。

一、合并函数concat()

concat()函数的语法如下

pd.concat(objs,axis=0,join='outer',jokin_axes=None,ignore_index=False,keys=None)
1

函数的参数说明如下：

• objs：指定需要合并的对象，可以是序列、数据框或面板数据构成的列表。
• axis：指定数据合并的轴，默认为0，表示合并多个数据的行（行数发生了变化），如果为1，则表示合并多个数据的列（列数发生了变化）。
• join：指定合并的方式，默认为outer，表示合并所有数据，如果改为inner，则表示合并公共部分的数据。
• join_axes：合并数据后，指定保留的数据轴。
• ignore_index：bool类型的参数，表示是否忽略原数据集的索引，默认为False，如果设置为True，则表示忽略原索引并生成新索引。
• keys：为合并后的数据添加新索引，用于区分各个数据部分。

对于合并函数concat()有两点需要强调：

1. 如果纵向合并多个数据集，即使这些数据集都含有“姓名”变量，但变量名称不一致，如Name和name，通过合并后将会得到错误的结果。
2. join_axes参数的使用，例如该参数等于[df.index]，则表示保留与df行标签值一样的数据，但需要配合axis=1一起使用（即实现的是变量横向合并操作）；如果等于[df.columns]，则保留df中所有变量值一样的数据，但不需要添加axis=1的约束。

concat()函数的使用方法如下：

import pandas as pd

# 构造数据集df1和df2
df1= pd.DataFrame({
   'name':['lily','lucy','tom'],
                 'age':[21,25,22],
                 'gengder':['female','female','male']})

df2 = pd.DataFrame({
   'name':['david','慕容复']<
1
2
3
4
5
6
7
8
9