datawhale pandas连接

连接

• 概念
  把两张相关的表按照某一个或某一组键连接起来的操作就是连接。
  类似于SQL中的连接，pandas 中的关系型连接函数 merge 和 join 中提供了 how 参数来代表连接形式，分为左连接 left 、右连接 right 、内连接 inner 、外连接 outer 。

• 值连接
  基于值的连接在pandas中使用merge函数实现，
  如果两个表中想要连接的列不具备相同的列名，可以通过 left_on 和 right_on 指定：
  如果两个表中的列出现了重复的列名，那么可以通过 suffixes 参数指定。
  三种模式，即一对一连接 1:1 ，一对多连接 1:m ，多对一连接 m:1 连接，第一个是指左右表的键都是唯一的，后面两个分别指左表键唯一和右表键唯一。

• 索引连接
  把索引当作键，pandas 中利用 join 函数来处理索引连接，它的参数选择要少于 merge ，除了必须的 on 和 how 之外，可以对重复的列指定左右后缀 lsuffix 和 rsuffix 。其中， on 参数指索引名，单层索引时省略参数表示按照当前索引连接。

• 类连接操作

1. compare :能够比较两个表或者序列的不同处并将其汇总展示

df1 = pd.DataFrame({'Name':['San Zhang', 'Si Li', 'Wu Wang'],
                            'Age':[20, 21 ,21],
                            'Class':['one', 'two', 'three']})
df2 = pd.DataFrame({'Name':['San Zhang', 'Li Si', 'Wu Wang'],
                            'Age':[20, 21 ,21],
                            'Class':['one', 'two', 'Three']})
df1.compare(df2)

Out[51]: 
    Name         Class       
    self  other   self  other
1  Si Li  Li Si    NaN    NaN
2    NaN    NaN  three  Three

结果中返回了不同值所在的行列，如果相同则会被填充为缺失值 NaN ，其中 other 和 self 分别指代传入的参数表和被调用的表自身。

2. 组合
   combine 函数能够让两张表按照一定的规则进行组合，在进行规则比较时会自动进行列索引的对齐。对于传入的函数而言，每一次操作中输入的参数是来自两个表的同名 Series ，依次传入的列是两个表列名的并集，例如下面这个例子会依次传入 A,B,C,D 四组序列，每组为左右表的两个序列。同时，进行 A 列比较的时候， s2 指代的就是一个全空的序列，因为它在被调用的表中并不存在，并且来自第一个表的序列索引会被 reindex 成两个索引的并集。具体的过程可以通过在传入的函数中插入适当的 print 方法查看。
   【选出对应索引位置较小的元素：】
   def choose_min(s1, s2):
   ....: s2 = s2.reindex_like(s1)
   ....: res = s1.where(s1<s2, s2)
   ....: res = res.mask(s1.isna()) # isna表示是否为缺失值，返回布尔序列
   ....: return res
   ....:

 df1 = pd.DataFrame({'A':[1,2], 'B':[3,4], 'C':[5,6]})
 df2 = pd.DataFrame({'B':[5,6], 'C':[7,8], 'D':[9,10]}, index=[1,2])
 df1.combine(df2, choose_min)

    A    B    C   D
0 NaN  NaN  NaN NaN
1 NaN  4.0  6.0 NaN
2 NaN  NaN  NaN NaN