pandas(或其他模块)是否有任何功能支持基于多个键合并(或连接)两个表?
例如,我有两个表(DataFrame)
a
和b
:
>>> a
A B value1
1 1 23
1 2 34
2 1 2342
2 2 333
>>> b
A B value2
1 1 0.10
1 2 0.20
2 1 0.13
2 2 0.33
期望的结果是:
A B value1 value2
1 1 23 0.10
1 2 34 0.20
2 1 2342 0.13
2 2 333 0.33
pd.merge
:
>>> pd.merge(a, b, on=['A', 'B'])
A B value1 value2
0 1 1 23 0.10
1 1 2 34 0.20
2 2 1 2342 0.13
3 2 2 333 0.33
事实上,
pd.merge
的默认设置是使用两个DataFrame的列标签的交集,因此pd.merge(a, b)
在这种情况下同样可以很好地工作。
根据最新的 pandas 文档,on 参数接受字段名称上的
label
或 list
,并且必须在两个数据框中找到。这是一个 MWE 供其使用:
a = pd.DataFrame({'A':['0', '0', '1','1'],'B':['0', '1', '0','1'], 'v':True, False, False, True]})
b = pd.DataFrame({'A':['0', '0', '1','1'], 'B':['0', '1', '0','1'],'v':[False, True, True, True]})
result = pd.merge(a, b, on=['A','B'], how='inner', suffixes=['_and', '_or'])
>>> result
A B v_and v_or
0 0 0 True False
1 0 1 False True
2 1 0 False True
3 1 1 True True
on:标签或列表 要连接的列或索引级别名称。这些必须在两个 DataFrame 中找到。如果 on 为 None 并且不合并索引,则默认为两个 DataFrame 中列的交集。
查看最新的 pd.merge 文档以了解更多详细信息。
您还可以使用
left_on=
、right_on=
、left_index=
或 right_index=
参数。在这种情况下,值按照键传递的顺序进行匹配; left_on
中的第一个键将与 right_on
中的第一个键等匹配。
因此,使用OP中的示例,以下两个会产生相同的输出:
a.merge(b, left_on=['A', 'B'], right_on=['A', 'B'])
a.merge(b, on=['A', 'B'])
但是,
a.merge(b, left_on=['A', 'B'], right_on=['B', 'A'])
将产生非常不同的输出,因为 a['A']
与 b['B']
匹配,而 a['B']
与 b['A']
匹配。
如果要匹配的键的命名不同,这尤其有用。例如:
a.merge(b, left_on=['A1', 'A2'], right_on=['B1', 'B2'])
这相当于SQL查询:
SELECT * FROM a INNER JOIN b ON a.A1=b.B1 AND a.A2=b.B2
一个有用的说明:因为重新索引发生在底层(source),所以合并的输出按左键中的值排序(显然 cudf 24.02 中不是这种情况,但那是另一回事)。