Pandas 数据合并：根据一个表查找另一个表数据

在数据处理过程中，我们经常需要根据一个表的内容查找另一个表中含有该内容的数据。Pandas 提供了强大的 merge 函数，可以轻松实现这一功能。

使用 merge 函数合并表

merge 函数可以根据指定的列将两个表进行合并，并根据指定的合并方式进行匹配。以下是一个示例代码：pythonimport pandas as pd

创建第一个表df1 = pd.DataFrame({'A': ['A1', 'A2', 'A3'], 'B': ['B1', 'B2', 'B3']})

创建第二个表df2 = pd.DataFrame({'A': ['A1', 'A2', 'A3', 'A4'], 'C': ['C1', 'C2', 'C3', 'C4']})

使用merge函数进行合并merged_df = pd.merge(df1, df2, on='A', how='inner')

print(merged_df)

输出结果为：

A   B   C0  A1  B1  C11  A2  B2  C22  A3  B3  C3

在这个示例中：

1. 我们创建了两个表 df1 和 df2。2. 使用 merge 函数将它们根据列 'A' 进行合并。3. how='inner' 表示只保留在两个表中都存在的数据，即交集。

merge 函数的合并方式

merge 函数的 how 参数支持以下几种合并方式：

• 'inner': 只保留两个表中都存在的 key，类似于数据库的内连接。* 'left': 保留左表的所有 key，如果右表中没有匹配的 key，则填充 NaN。* 'right': 保留右表的所有 key，如果左表中没有匹配的 key，则填充 NaN。* 'outer': 保留两个表的所有 key，类似于数据库的全连接。

根据实际需求选择合适的合并方式，可以灵活地处理不同情况下的数据合并问题。

希望这篇简短的教程能够帮助你理解如何使用 Pandas 的 merge 函数根据一个表查找另一个表数据。