為了方便維護(hù)圃验，一般公司的數(shù)據(jù)在數(shù)據(jù)庫(kù)內(nèi)都是分表存儲(chǔ)的，比如用一個(gè)表存儲(chǔ)所有用戶(hù)的基本信息缝呕，一個(gè)表存儲(chǔ)用戶(hù)的消費(fèi)情況澳窑。所以，在日常的數(shù)據(jù)處理中供常，經(jīng)常需要將兩張表拼接起來(lái)使用摊聋，這樣的操作對(duì)應(yīng)到SQL中是join，在Pandas中則是用merge來(lái)實(shí)現(xiàn)栈暇。這篇文章就講一下merge的主要原理麻裁。
上面的引入部分說(shuō)到merge是用來(lái)拼接兩張表的，那么拼接時(shí)自然就需要將用戶(hù)信息一一對(duì)應(yīng)地進(jìn)行拼接源祈，所以進(jìn)行拼接的兩張表需要有一個(gè)共同的識(shí)別用戶(hù)的鍵（key）煎源。總結(jié)來(lái)說(shuō)香缺，整個(gè)merge的過(guò)程就是將信息一一對(duì)應(yīng)匹配的過(guò)程手销，下面介紹merge的四種類(lèi)型，分別為'inner'图张、'left'锋拖、'right'和'outer'诈悍。
inner
merge的'inner'的類(lèi)型稱(chēng)為內(nèi)連接，它在拼接的過(guò)程中會(huì)取兩張表的鍵（key）的交集進(jìn)行拼接兽埃。什么意思呢侥钳？下面以圖解的方式來(lái)一步一步拆解。
首先我們有以下的數(shù)據(jù)讲仰，左側(cè)和右側(cè)的數(shù)據(jù)分別代表了用戶(hù)的基礎(chǔ)信息和消費(fèi)信息慕趴，連接兩張表的鍵是userid。
現(xiàn)在用'inner'的方式進(jìn)行merge
In [6]: df_1.merge(df_2,how='inner',on='userid')
過(guò)程圖解：
①取兩張表的鍵的交集鄙陡，這里df_1和df_2的userid的交集是{a,c}
②對(duì)應(yīng)匹配
③結(jié)果
過(guò)程匯總：
相信整個(gè)過(guò)程并不難理解冕房，上面演示的是同一個(gè)鍵下，兩個(gè)表對(duì)應(yīng)只有一條數(shù)據(jù)的情況（一個(gè)用戶(hù)對(duì)應(yīng)一條消費(fèi)記錄）趁矾，那么耙册，如果一個(gè)用戶(hù)對(duì)應(yīng)了多條消費(fèi)記錄的話(huà)，那又是怎么拼接的呢毫捣？
假設(shè)現(xiàn)在的數(shù)據(jù)變成了下面這個(gè)樣子详拙，在df_2中，有兩條和a對(duì)應(yīng)的數(shù)據(jù)：
同樣用inner的方式進(jìn)行merge：
In [12]: df_1.merge(df_2,how='inner',on='userid')
整個(gè)過(guò)程除了對(duì)應(yīng)匹配階段蔓同，其他和上面基本都是一致的饶辙。
過(guò)程圖解：
①取兩張表的鍵的交集，這里df_1和df_2的userid的交集是{a,b,c}
②對(duì)應(yīng)匹配時(shí)斑粱，由于這里的a有兩條對(duì)應(yīng)的消費(fèi)記錄弃揽，故在拼接時(shí)，會(huì)將用戶(hù)基礎(chǔ)信息表中a對(duì)應(yīng)的數(shù)據(jù)復(fù)制多一行來(lái)和右邊進(jìn)行匹配则北。
③結(jié)果
left 和right
'left'和'right'的merge方式其實(shí)是類(lèi)似的矿微，分別被稱(chēng)為左連接和右連接。這兩種方法是可以互相轉(zhuǎn)換的尚揣，所以在這里放在一起介紹涌矢。
'left'
merge時(shí)，以左邊表格的鍵為基準(zhǔn)進(jìn)行配對(duì)快骗，如果左邊表格中的鍵在右邊不存在娜庇，則用缺失值NaN填充。
'right'
merge時(shí)方篮，以右邊表格的鍵為基準(zhǔn)進(jìn)行配對(duì)思灌，如果右邊表格中的鍵在左邊不存在，則用缺失值NaN填充恭取。
什么意思呢？用一個(gè)例子來(lái)具體解釋一下熄守，這是演示的數(shù)據(jù)
現(xiàn)在用'left'的方式進(jìn)行merge
In [21]: df_1.merge(df_2,how='left',on='userid')
過(guò)程圖解：
①以左邊表格的所有鍵為基準(zhǔn)進(jìn)行配對(duì)蜈垮。圖中耗跛，因?yàn)橛冶碇械?code>e不在左表中，故不會(huì)進(jìn)行配對(duì)攒发。
②若右表中的payment列合并到左表中调塌，對(duì)于沒(méi)有匹配值的用缺失值NaN填充
過(guò)程匯總：
對(duì)于'right'類(lèi)型的merge和'left'其實(shí)是差不多的，只要把兩個(gè)表格的位置調(diào)換一下惠猿，兩種方式返回的結(jié)果就是一樣的（）羔砾，如下：
In [22]: df_2.merge(df_1,how='right',on='userid')
至于'left'和'right'中（乃至于下面將介紹的'outer'）連接的鍵是一對(duì)多的情況，原理和上方的'inner'是類(lèi)似的偶妖，這里便不再贅述姜凄。
outer
'outer'是外連接，在拼接的過(guò)程中它會(huì)取兩張表的鍵（key）的并集進(jìn)行拼接趾访√恚看文字不夠直觀，還是上例子吧扼鞋！
還是使用上方用過(guò)的演示數(shù)據(jù)
這次使用'outer'進(jìn)行merge
In [24]: df_1.merge(df_2,how='outer',on='userid')
圖解如下：
①取兩張表鍵的并集申鱼，這里是{a,b,c,d,e}
②將兩張表的數(shù)據(jù)列拼起來(lái)，對(duì)于沒(méi)有匹配到的地方云头，使用缺失值NaN進(jìn)行填充
能讀到這里的小伙伴想必也基本理解了merge的整個(gè)過(guò)程捐友，總結(jié)來(lái)說(shuō)，merge的不同類(lèi)型區(qū)別就在于溃槐，拼接時(shí)選用的兩張表格的鍵的集合不同匣砖。關(guān)于Pandas的merge就介紹到這里！
