网站防火墙 *{margin:0;padding:0;color:#444} body{font-size:14px;font-family:”宋体”} .main{width:600px;margin:10% auto;} .title{background: #20a53a;color: #fff;font-size: 16px;height: 40px;line-height: 40px;padding-left: 20px;} .content{background-color:#f3f7f9; height:280px;border:1px dashed #c6d9b6;padding:20px} .t1{border-bottom: 1px dashed #c6d9b6;color: #ff4000;font-weight: bold; margin: 0 0 20px; padding-bottom: 18px;} .t2{margin-bottom:8px; font-weight:bold} ol{margin:0 0 20px 22px;padding:0;} ol li{line-height:30px} 网站防火墙 您的请求带有不合法参数，已被网站管理员设置拦截！ 可能原因： 您提交的内容包含危险的攻击请求 如何解决： 检查提交内容； 如网站托管，请联系空间提供商； 普通网站访客，请联系网站管理员；

相比方法①，区别在于，如图，方法②合并出的数据中有重复列。

---

重要参数

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

| 参数 | 描述 |

| — | — |

| left | 左表，合并对象，DataFrame或Series |

| right | 右表，合并对象，DataFrame或Series |

| how | 合并方式，可以是left(左合并), right(右合并), outer(外合并), inner(内合并) |

| on | 基准列 的列名 |

| left_on | 左表基准列列名 |

| right_on | 右表基准列列名 |

| left_index | 左列是否以index为基准，默认False，否 |

| right_index | 右列是否以index为基准，默认False，否 |

其中，left_index与right_index 不能与 on 同时指定。

合并方式 left right outer inner

准备数据‘

新准备一组数据:

import pandas as pd

df1 = pd.DataFrame({‘id’: [‘001’, ‘002’, ‘003’],

‘num1’: [120, 101, 104],

‘num2’: [110, 102, 121],

‘num3’: [105, 120, 113]})

df2 = pd.DataFrame({‘id’: [‘001’, ‘004’, ‘003’],

‘num4’: [80, 86, 79]})

print(df1)

print(“=======================================”)

print(df2)

print(“=======================================”)

---

inner（默认）

使用来自两个数据集的键的交集

df_merge = pd.merge(df1, df2, on=‘id’)

print(df_merge)

---

outer

使用来自两个数据集的键的并集

df_merge = pd.merge(df1, df2, on=‘id’, how=“outer”)

print(df_merge)

---

left

使用来自左数据集的键

df_merge = pd.merge(df1, df2, on=‘id’, how=‘left’)

print(df_merge)

---

right

使用来自右数据集的键

df_merge = pd.merge(df1, df2, on=‘id’, how=‘right’)

print(df_merge)

---

2.多对一合并

---

import pandas as pd

df1 = pd.DataFrame({‘id’: [‘001’, ‘002’, ‘003’],

‘num1’: [120, 101, 104],

‘num2’: [110, 102, 121],

‘num3’: [105, 120, 113]})

df2 = pd.DataFrame({‘id’: [‘001’, ‘001’, ‘003’],

‘num4’: [80, 86, 79]})

print(df1)

print(“=======================================”)

print(df2)

print(“=======================================”)

如图，df2中有重复id1的数据。

合并

df_merge = pd.merge(df1, df2, on=‘id’)

print(df_merge)

合并结果如图所示：

依然按照默认的Inner方式，使用来自两个数据集的键的交集。且重复的键的行会在合并结果中体现为多行。

---

3.多对多合并

---

如图表1和表2中都存在多行id重复的。

import pandas as pd

df1 = pd.DataFrame({‘id’: [‘001’, ‘002’, ‘002’, ‘002’, ‘003’],

‘num1’: [120, 101, 104, 114, 123],

‘num2’: [110, 102, 121, 113, 126],

‘num3’: [105, 120, 113, 124, 128]})

df2 = pd.DataFrame({‘id’: [‘001’, ‘001’, ‘002’, ‘003’, ‘001’],

‘num4’: [80, 86, 79, 88, 93]})

print(df1)

print(“=======================================”)

print(df2)

print(“=======================================”)

df_merge = pd.merge(df1, df2, on=‘id’)

print(df_merge)

---

concat()

==============================================================================

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

| 参数 | 描述 |

| — | — |

| objs | Series，DataFrame或Panel对象的序列或映射 |

| axis | 默认为0，表示列。如果为1则表示行。 |

| join | 默认为"outer"，也可以为"inner" |

| ignore_index | 默认为False，表示保留索引（不忽略）。设为True则表示忽略索引。 |

其他重要参数通过实例说明。

1.相同字段的表首位相连

---

首先准备三组DataFrame数据：

import pandas as pd

df1 = pd.DataFrame({‘id’: [‘001’, ‘002’, ‘003’],

‘num1’: [120, 114, 123],

‘num2’: [110, 102, 121],

‘num3’: [113, 124, 128]})

df2 = pd.DataFrame({‘id’: [‘004’, ‘005’],

‘num1’: [120, 101],

‘num2’: [113, 126],

‘num3’: [105, 128]})

df3 = pd.DataFrame({‘id’: [‘007’, ‘008’, ‘009’],

‘num1’: [120, 101, 125],

‘num2’: [113, 126, 163],

‘num3’: [105, 128, 114]})

print(df1)

print(“=======================================”)

print(df2)

print(“=======================================”)

print(df3)

合并

dfs = [df1, df2, df3]

result = pd.concat(dfs)

print(result)

如果想要在合并后，标记一下数据都来自于哪张表或者数据的某类别，则也可以给concat加上 参数keys 。

result = pd.concat(dfs, keys=[‘table1’, ‘table2’, ‘table3’])

print(result)

此时，添加的keys与原来的index组成元组，共同成为新的index。

print(result.index)

---

2.横向表合并（行对齐）

---

准备两组DataFrame数据：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

g-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

作者：2301_76348171