pandas merge 和 concat

merge是按照列值或索引值进行连接，concat是按照轴进行拼接。

一，merge

数据库风格的连接是merge，

DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), indicator=False, validate=None)

参数注释：

right：右侧数据集

how：连接的类型，有效值是：{‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}，默认值是inner

用于指定连接的字段：

• on：用于连接的字段，该字段同时存在于左表和右表
• left_on、right_on：用于指定用于连接的字段
• left_index、right_index：用于指定用于连接的索引

sort：是否排序

suffixes：元组类型，用于为同名的字段设置后缀 

indicator：如果设置为Ture，则在输出 DataFrame 中添加一个名为“_merge”的列，其中包含有关每行来源的信息；为该参数设置为一个字符串，用于为该列设置名称。该列的有效值是：left_only，right_only和both，分别表示只出现在左表，只出现在右表和两表同时存在。

validate：用于指定关系的类型，有效值是one_to_one，one_to_many，many_to_one和many_to_many

举个例子，有以下两个数据集，

df1 = pd.DataFrame({'lkey': ['foo', 'bar', 'baz', 'foo'],
                    'value': [1, 2, 3, 5]})
df2 = pd.DataFrame({'rkey': ['foo', 'bar', 'baz', 'foo'],
                    'value': [5, 6, 7, 8]})
df1
    lkey value
0   foo      1
1   bar      2
2   baz      3
3   foo      5
df2
    rkey value
0   foo      5
1   bar      6
2   baz      7
3   foo      8

df1是左表，右表是df2，两表进行inner join，结果如下所示：

df1.merge(df2, left_on='lkey', right_on='rkey')
  lkey  value_x rkey  value_y
0  foo        1  foo        5
1  foo        1  foo        8
2  foo        5  foo        5
3  foo        5  foo        8
4  bar        2  bar        6
5  baz        3  baz        7

二，concat

沿特定轴连接DataFrame 或Series

pandas.concat(objs, axis=0, join='outer', ignore_index=False, verify_integrity=False, sort=False)

参数注释：

objs：用于concat的对象列表

axis：沿着哪一个轴，0代表列，1代表行。

join：如何处理其他轴上的索引，有效值是inner和outer，默认值是outer

ignore_index：如果设置为True，那么返回的结果使用默认的索引，即从0到n-1，默认值是False，不忽略原始索引。

创建多级索引(MultiIndex)

• keys：作为多级索引最外层的索引值
• levels：如果设置keys参数，那么levels用于指定多级索引的各个级别
• names：如果设置keys参数，那么names用于指定多级索引各个级别的名称

verify_integrity：用于检查结果集的索引是否有重复

举个例子，两个序列进行拼接，不忽略原始索引。

s1 = pd.Series(['a', 'b'])
s2 = pd.Series(['c', 'd'])
pd.concat([s1, s2])
0    a
1    b
0    c
1    d
dtype: object

如果忽略原始索引，那么结果集会生成一个从0到n-1的默认索引：

pd.concat([s1, s2], ignore_index=True)
0    a
1    b
2    c
3    d
dtype: object

在拼接序列时，使用keys参数创建多级索引最外层的一个索引：

pd.concat([s1, s2], keys=['s1', 's2'])
s1  0    a
    1    b
s2  0    c
    1    d
dtype: object

参考文档：