這篇文章將為大家詳細講解有關(guān)python中使用pandas.merge的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)建站專注骨干網(wǎng)絡(luò)服務(wù)器租用10多年，服務(wù)更有保障！服務(wù)器租用，多線服務(wù)器托管 成都服務(wù)器租用，成都服務(wù)器托管，骨干網(wǎng)絡(luò)帶寬，享受低延遲，高速訪問。靈活、實現(xiàn)低成本的共享或公網(wǎng)數(shù)據(jù)中心高速帶寬的專屬高性能服務(wù)器。

python主要應(yīng)用領(lǐng)域有哪些

1、云計算，典型應(yīng)用OpenStack。2、WEB前端開發(fā)，眾多大型網(wǎng)站均為Python開發(fā)。3.人工智能應(yīng)用，基于大數(shù)據(jù)分析和深度學(xué)習(xí)而發(fā)展出來的人工智能本質(zhì)上已經(jīng)無法離開python。4、系統(tǒng)運維工程項目，自動化運維的標(biāo)配就是python+Django/flask。5、金融理財分析，量化交易，金融分析。6、大數(shù)據(jù)分析。

本文教程操作環(huán)境：windows7系統(tǒng)、Python 3.9.1，DELL G3電腦。

1、pandas.merge

是pandas的全功能、高性能的的內(nèi)存連接操作，在習(xí)慣上非常類似于SQL之類的關(guān)系數(shù)據(jù)庫。

按照數(shù)據(jù)中具體的某一字段來連接數(shù)據(jù)，是 DataFrame之間類似于SQL的表連接操作。

2、merge的默認合并方法

merge用于表內(nèi)部基于 index-on-index 和 index-on-column(s) 的合并，但默認是基于index來合并。

3、使用語法

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

4、使用參數(shù)

sql：SQL命令字符串；

con：連接sql數(shù)據(jù)庫的，engine，一般可以用SQLalchemy或者pyMySQL之類的包建立；

index_col: 選擇某一列作為index；

coerce_float：非常有用，將數(shù)字形式的字符串直接以float型讀入；

parse_dates：將某一列日期型字符串轉(zhuǎn)換為datetime型數(shù)據(jù)；

columns：要選取的列；

chunksize：如果提供了一個整數(shù)值，那么就會返回一個generator，每次輸出的行數(shù)就是提供的值的大小。

5、使用實例

import pandas;
from pandas import read_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'列用基準，合并數(shù)據(jù)框

關(guān)于“python中使用pandas.merge的方法”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。