前言：
两个表中的数据，要根据关键字段，进行合并。
在Excel中可以使用vlookup的方式，在python中可以使用concat或者是merge的方法。
1、pd.concat
pd.concat 函数：
- 拼接的对象可以是series，还可以是dataframe
- 拼接对象的个数不受限axis 控制拼接方向（既支持上下拼接，也支持左右拼接）
- 左右拼接 axis=1，左右拼接的依据是行索引；上下拼接 axis =0 ,拼接依据是列名，默认是上下拼接
- join 指定拼接方法
- join=“inner” 内联,表示保留两个表共有的行索引
- join=“outer” 外联,表示保留两个表所有的行索引，默认外联
#导入需要的包 import pandas as pd
#创建需要的数据集：产品表
dict1={"产品编号":["CP13","CP14","CP15","CP16","CP17"],"产品名称":["产品A003","产品A004","产品A005","产品A006","产品A007"]}
df1 = pd.DataFrame(dict1)
df1
#创建需要的数据集：详情表
dict2={"订单编号":["20220913","20220914","20220915","20220915"],
"产品编号":["CP13","CP14","CP15","CP16"],
"产品销量":[13,24,45,32],
"负责人":["张三","赵六","李八","李八"]}
df2 = pd.DataFrame(dict2)
df2
pd.concat([df1,df2])#默认上下拼接，拼接依据是列名；默认外联，保留两个表都有的索引信息
pd.concat([df1,df2],ignore_index=True)#重置行索引
#左右拼接的依据是行索引 axis默认是0上下拼接，1为左右拼接；默认外联（join = 'outer'） pd.concat([df1,df2],axis=1)
#join指定了拼接方法，内联，表示保留两个表共有的行索引 pd.concat([df1,df2],axis=1,join="inner")
2、 df.append
和concat上下拼接的结果类似
df1.append(df2)
3、 pd.merge()
- 拼接对象是dataframe或者series，左表必须是datafram
- 拼接的数量只能是两个
- 拼接方向只能左右拼
#left_on写左表进行拼接的字段，right_on写右表要进行拼接的字段 pd.merge(df1,df2,left_on="产品编号",right_on="产品编号",how = 'right')
#若两表拼接字段名完全一样，可写一个on pd.merge(df1,df2,on="产品编号")
4、 df.join
和concat左右拼接的结果类似
df1.join(df2, lsuffix='_b', rsuffix='_a')
总结
到此这篇关于python进行数据合并concat/merge的文章就介绍到这了,更多相关python数据合并内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！