这篇文章主要介绍“Pandas怎么实现表连接”，在日常操作中，相信很多人在Pandas怎么实现表连接问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Pandas怎么实现表连接”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

创新互联秉承实现全网价值营销的理念，以专业定制企业官网，成都做网站、成都网站建设、成都外贸网站建设，小程序制作，网页设计制作，手机网站开发，营销型网站帮助传统企业实现“互联网+”转型升级专业定制企业官网,公司注重人才、技术和管理，汇聚了一批优秀的互联网技术人才,对客户都以感恩的心态奉献自己的专业和所长。

连接对象（Concatenating）

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

join有两个参数inner（内连）和outer（外连）
ignore_index：是否忽略索引，默认不忽略，此时会按照索引连接。
join_axes：使用哪个数据框的索引
keys：复合索引

横向连接

In [1]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],   ...:                     'B': ['B0', 'B1', 'B2', 'B3'],   ...:                     'C': ['C0', 'C1', 'C2', 'C3'],   ...:                     'D': ['D0', 'D1', 'D2', 'D3']},   ...:                     index=[0, 1, 2, 3])   ...: 
In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],   ...:                  'D': ['D2', 'D3', 'D6', 'D7'],   ...:                  'F': ['F2', 'F3', 'F6', 'F7']},   ...:                 index=[2, 3, 6, 7])   ...: 
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

纵向连接

In [15]: result = pd.concat([df1, df4], ignore_index=True)

append函数更加有效率

数据库形式的连接（joining/merging）

这个语法是专门为那些使用SQL数据的人群设置的

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)

left：左数据表
right：右数据表
on：以哪一列为标准做联表，如果没有输入参数，则会以共有的索引作为依据
left_on：以左边的数据框作为join key
right_on：以右边的数据框作为join key
left_index：以左边的索引作为join key
right_index：以右边的索引作为join key
how：left right out inner，默认为inner
sort：通过join key对结果进行排序
suffixes：
copy：
indicator：

merge同时也是一个对象方法，对象默认是左联表。而join实例方法则是默认以索引做为连接方法。

In [38]: left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 

In [39]: right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 

In [40]: result = pd.merge(left, right, on='key')

使用indicator可以监视连接的状态

In [48]: df1 = pd.DataFrame({'col1': [0, 1], 'col_left':['a', 'b']})

In [49]: df2 = pd.DataFrame({'col1': [1, 2, 2],'col_right':[2, 2, 2]})

In [50]: pd.merge(df1, df2, on='col1', how='outer', indicator=True)Out[50]: 
   col1 col_left  col_right      _merge0     0        a        NaN   left_only1     1        b        2.0        both2     2      NaN        2.0  right_only3     2      NaN        2.0  right_only

到此，关于“Pandas怎么实现表连接”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！

本文题目：Pandas怎么实现表连接
文章起源：http://chengdu.cdxwcx.cn/article/ppcecs.html