Pandas多源数据整合-三大数据合并方法Merge Join与Concat全面解析

在数据分析工作中，数据往往分散在多个表格中，掌握高效的数据整合技巧至关重要。本节将深入讲解Pandas中三种核心数据合并方法，帮助您轻松应对多表关联的各类场景。 本节学习目标 理解数据库连接的各种类型（inner、outer、left、right）掌握 merge 函数的全部核心参数学会使用 join 进行基于索引的关联掌握 concat 进行轴向合并能够处理多表关联和数据对齐问题 为什么学这个？ 现实业务场景中的数据通常分布在多张关联表中。以典型电商系统为例： 用户表：记录用户基础信息订单表：存储交易明细数据产品表：维护商品信息 要回答"2024年购买电子产品最多的用户"这类业务问题，必须同时关联这三I张表。 Pandas提供了三种主要的数据合并方式： merge —— 基于列值的关联（类似SQL JOIN）join —— 基于索引的关联concat —— 按轴方向拼接 核心知识点讲解 merge：基于列值的关联 merge是最常用的数据关联方法，其功能与SQL中的JOIN操作高度相似。 1. 准备示例数据 import pandas as pd import numpy as np # 订单表 orders = pd.DataFrame({ '订单ID': [1001, 1002, 1003, 1004, 1005], '用户ID': [1, 2, 3, 1, 4], '金额': [500, 300, 800, 200, 1500], '日期': ['2024-01-15', '2024-02-20', '2024-03-10', '2024-04-05', '2024-05-18'] }) # 用户表 users = pd.DataFrame({ '用户ID': [1, 2, 3, 5], '姓名': ['张三', '李四', '王五', '赵六'], '城市': ['北京', '上海', '广州', '深圳'] }) # 产品表 products = pd.DataFrame({ '订单ID': [1001, 1002, 1003, 1004, 1005], '产品名': ['手机', '耳机', '电脑', '充电器', '手表'], '品类': ['电子产品', '配件', '电子产品', '配件', '饰品'] }) 2. 内连接（inner join） 仅保留两表完全匹配的行记录。 result = pd.merge(orders, users, on='用户ID', how='inner') 3. 左连接（left join） 保留左表全部记录，右表无匹配则填充NaN。 result = pd.merge(orders, users, on='用户ID', how='left') 4. 右连接（right join） 保留右表全部记录，左表无匹配则填充NaN。 result = pd.merge(orders, users, on='用户ID', how='right') 5. 外连接（outer join） 保留两表全部记录，无匹配处填充NaN。 result = pd.merge(orders, users, on='用户ID', how='outer') join：基于索引的关联 join是merge的特例化版本，专为基于索引的关联场景设计。 orders_idx = orders.set_index('用户ID') users_idx = users.set_index('用户ID') result = orders_idx.join(users_idx, lsuffix='_订单', rsuffix='_用户') concat：轴向拼接 concat支持灵活的数据拼接方式，包括纵向和横向两种主要形式。 1. 纵向拼接（axis=0） result = pd.concat([df1, df2]) 2. 横向拼接（axis=1） result = pd.concat([df_a, df_b], axis=1) 本节总结 通过本节学习，我们系统掌握了Pandas三大数据整合方法的核心要点和应用场景。数据合并是数据分析的基础技能，合理选择merge、join或concat方法，能够高效解决各类数据整合需求，为后续分析工作奠定坚实基础。