python中如何使用pandas.merge？

本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。

1、pandas.merge

是pandas的全功能、高性能的的内存连接操作，在习惯上非常类似于SQL之类的关系数据库。

按照数据中具体的某一字段来连接数据，是 DataFrame之间类似于SQL的表连接操作。

2、merge的默认合并方法

merge用于表内部基于 index-on-index 和 index-on-column(s) 的合并，但默认是基于index来合并。

3、使用语法

pandas.read_sql(sql,con,index_col=None,coerce_float=True,params=None,parse_dates=None,
columns=None,chunksize=None)

4、使用参数

sql：SQL命令字符串；

con：连接sql数据库的，engine，一般可以用SQLalchemy或者pymysql之类的包建立；

index_col: 选择某一列作为index；

coerce_float：非常有用，将数字形式的字符串直接以float型读入；

parse_dates：将某一列日期型字符串转换为datetime型数据；

columns：要选取的列；

chunksize：如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。

5、使用实例

importpandas;
frompandasimportread_csv;
items=read_csv(
"E:\\pythonlearning\\datacode\\firstpart\\4\\4.12\\data1.csv",
sep='|',
names=['id','comments','title']
);
prices=read_csv(
"E://pythonlearning//datacode//firstpart//4//4.12//data2.csv",
sep='|',
names=['id','oldPrice','nowPrice']
);
itemPrices=pandas.merge(
items,
prices,
left_on='id',
right_on='id'
);#以'id'列用基准，合并数据框