如何在 python 中使用 pandas.merge？

本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。

1、pandas.merge

它是pandas的全功能、高性能的内存连接操作，习惯上与SQL等关系型数据库非常相似。

按照数据中具体的某一字段来连接数据，

是 DataFrame之间类似于SQL的表连接操作。

2、merge的默认合并方法

merge 用于在表内基于 index-on-index 和 index-on-column(s) 进行合并，但默认是基于 index 进行合并。

3、使用语法

pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, 
columns=None, chunksize=None)

4、使用参数

sql：SQL命令字符串；

con：连接sql数据库的，engine，一般可以用SQLalchemy或者pymysql之类的包建立；

index_col: 选择某一列作为index；

coerce_float：非常有用，将数字形式的字符串直接以float型读入；

parse_dates：将某一列日期型字符串转换为datetime型数据；

columns：要选取的列；

chunksize：如果提供了整数值，则返回一个生成器，每次输出的行数就是提供的值的大小。

5、使用实例

import pandas;
from pandas import read_csv;
items = read_csv(
    "E:\\pythonlearning\\datacode\\firstpart\\4\\4.12\\data1.csv", 
    sep='|', 
    names=['id', 'comments', 'title']
);
prices = read_csv(
    "E://pythonlearning//datacode//firstpart//4//4.12//data2.csv", 
    sep='|', 
    names=['id', 'oldPrice', 'nowPrice']
);
itemPrices = pandas.merge(
    items, 
    prices, 
    left_on='id', 
    right_on='id'
);#以'id'列用基准，合并数据框

以上就是python中pandas.merge的使用方法，希望对你有帮助~