join - 横向连接¶

DataFrame.join是一种将两个可能具有不同索引的 DataFrame 的列组合成单个 DataFrame 的便捷方法。

在线刷题

检查 or 强化 Pandas 数据分析操作？👉在线体验「Pandas进阶修炼300题」

Note

本页面代码可以在线编辑、执行！

join 本质上和 merge 类似，或者说是 merge 的特殊情况，所以也是一种 SQL 风格的合并方法。

但和 merge 不一样的地方在于，join 只能按照行索引去合并数据，因此我翻译成「横向连接」。

有关 join 的基本用法可以通过下图大致了解，至于 how 参数中的 inner、outer 可以参考 merge 中的图解。

https://pic.liuzaoqi.com/picgo/202112242051282.png

需要注意的是 df2 与 df3 的连接，如果有重复的列名，需要指定合并后左右的列名后缀，否则会报错。

下面是官方文档中的案例，你可以修改相关代码来验证自己的想法！

默认方法¶

组合 left 和 right，并按照 left 的索引进行对齐

import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                     index=['K0', 'K1', 'K2'])


right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                      index=['K0', 'K2', 'K3'])

left.join(right)

	A	B	C	D
K0	A0	B0	C0	D0
K1	A1	B1	NaN	NaN
K2	A2	B2	C2	D2

取并集¶

按下图所示进行组合

left.join(right, how='outer')

	A	B	C	D
K0	A0	B0	C0	D0
K1	A1	B1	NaN	NaN
K2	A2	B2	C2	D2
K3	NaN	NaN	C3	D3

取交集¶

按下图所示进行组合

left.join(right, how='inner')

	A	B	C	D
K0	A0	B0	C0	D0
K2	A2	B2	C2	D2

思考

用 merge 如何实现？

pd.merge(left, right, left_index=True, right_index=True, how='inner')

	A	B	C	D
K0	A0	B0	C0	D0
K2	A2	B2	C2	D2

按索引组合¶

重新产生数据并按下图所示进行连接（根据 key）

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'key': ['K0', 'K1', 'K0', 'K1']})


right = pd.DataFrame({'C': ['C0', 'C1'],
                      'D': ['D0', 'D1']},
                      index=['K0', 'K1'])

left.join(right, on='key')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A2	B2	K0	C0	D0
3	A3	B3	K1	C1	D1

多索引组合¶

按下图所示进行连接（根据 key1 和 key2）

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'key1': ['K0', 'K0', 'K1', 'K2'],
                     'key2': ['K0', 'K1', 'K0', 'K1']})


index = pd.MultiIndex.from_tuples([('K0', 'K0'), ('K1', 'K0'),
                                  ('K2', 'K0'), ('K2', 'K1')])


right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
                   'D': ['D0', 'D1', 'D2', 'D3']},
                  index=index)

left.join(right, on=['key1', 'key2'])

	A	B	key1	key2	C	D
0	A0	B0	K0	K0	C0	D0
1	A1	B1	K0	K1	NaN	NaN
2	A2	B2	K1	K0	C1	D1
3	A3	B3	K2	K1	C3	D3