【数据分析&数据挖掘】pandas数据合并

import pandas as pd

# 加载数据
data_1 = pd.read_excel("./concat合并数据.xlsx", sheetname=0)
data_2 = pd.read_excel("./concat合并数据.xlsx", sheetname=1)

print("data_1: 
", data_1)
print("data_2: 
", data_2)

# 外连接——求并集
# 内链接——求交集
# 左(外)链接——以左表为主求并集
# 右(外)链接——以右表为主求并集

# 直接拼接方式——pd.concat()
# axis=0, 外连接——行上直接拼接，列上求并集
res = pd.concat((data_1, data_2), axis=0, join="outer")
# axis = 0, 内连接——行上直接拼接，列上求交集
# res = pd.concat((data_1, data_2), axis=0, join="inner")

# axis = 1, 外连接——列上直接拼接，行上求并集
# res = pd.concat((data_1, data_2), axis=1, join="outer")
# axis = 1, 内连接——列上直接拼接，行上求交集
# res = pd.concat((data_1, data_2), axis=1, join="inner")
print("res: 
", res)

# 主键拼接方式
# 加载数据
left = pd.read_excel("./主键拼接数据.xls", sheetname=0)
right = pd.read_excel("./主键拼接数据.xls", sheetname=1)
print("left: 
", left)
print("right: 
", right)

# 主键拼接
# 外连接——将所有的key进行拼接， 如果没有补NaN
res = pd.merge(left=left, right=right, on="key", how="outer")
# 内链接——将共同所有的key进行拼接
res = pd.merge(left=left, right=right, on="key", how="inner")
# 左外连接——将左表所有的key进行拼接，右表来配合坐标，如果右表没有key补NaN
res = pd.merge(left=left, right=right, on="key", how="left")
# 右外连接——将右表所有的key进行拼接，右表来配合坐标，如果右表没有key补NaN
res = pd.merge(left=left, right=right, on="key", how="right")
print("res: 
", res)

# 加载数据
left = pd.read_excel("./主键拼接数据_同值不同key.xls", sheetname=0)
right = pd.read_excel("./主键拼接数据_同值不同key.xls", sheetname=1)

print("left: 
", left)
print("right: 
", right)

# 将坐标中的key_left与右表中的key_right的所有值来进行左右拼接，如果只单独存在于一方，另一方补NaN
res = pd.merge(left=left, right=right, left_on="key_left", right_on="key_right", how="outer")
# 将坐标中的key_left与右表中的key_right共同拥有的key值进行左右拼接
res = pd.merge(left=left, right=right, left_on="key_left", right_on="key_right", how="inner")
# 将左表中的key_left中所有的key进行左右连接， 右表配合左表， 如果没有相同的Key_right值，补NaN
res = pd.merge(left=left, right=right, left_on="key_left", right_on="key_right", how="left")
# 将左表中的key_right中所有的key进行左右连接， 左表配合右表， 如果没有相同的Key_left值，补NaN
res = pd.merge(left=left, right=right, left_on="key_left", right_on="key_right", how="right")
print("res: 
", res)

# left.join()
# df1.join(df2)