熊猫中的加入和合并有什么区别？
熊猫提供了各种工具，可以在连接/合并类型操作的情况下，轻松地将 Series 或 DataFrame 与各种索引和关系代数功能的集合逻辑相结合。
join 和 merge 都可以用来组合两个数据帧，但是 join 方法根据它们的索引来组合两个数据帧，而 merge 方法更通用，允许我们指定索引旁边的列来连接两个数据帧。
让我们首先创建两个数据帧来展示这两种方法的效果。
蟒蛇 3
import pandas as pd
# Creating the two dataframes
left = pd.DataFrame([['a', 1], ['b', 2]], list('XY'), list('PQ'))
right = pd.DataFrame([['c', 3], ['d', 4]], list('XY'), list('PR'))
输出:
现在让我们一个接一个地看看这两种方法对数据帧的影响。
加入
连接方法获取两个数据帧，并在它们的索引上连接它们(从技术上讲，您可以为左边的数据帧选择要连接的列)。如果有重叠的列，联接将希望您从左侧数据框向重叠的列名添加后缀。我们的两个数据帧确实有一个重叠的列名 p。
示例:
蟒蛇 3
joined_df = left.join(right, lsuffix='_')
print(joined_df)
输出:
请注意，索引被保留，我们有四列。我们还可以单独指定左侧数据框的特定列，并在 上使用参数 作为连接键，但它仍将使用右侧的索引。
示例:
蟒蛇 3
joined_df2 = left.reset_index().join(right, on='index', lsuffix='_')
print(joined_df2)
输出:
合并
在基本层面上，合并或多或少做了和 join 一样的事情。这两种方法都用于将两个数据框组合在一起，但是合并功能更为多样，它需要将列指定为合并键。我们可以用 on、 指定重叠列，也可以分别用 left_on 和 right_on 参数指定重叠列。
示例:
蟒蛇 3
merged_df = left.merge(right, on='P', how='outer')
print(merged_df)
输出:
这里，请注意 merge 方法破坏了索引。
我们可以用 左 _index 或 右 _index 参数明确指定在索引的基础上进行合并。
示例:
蟒蛇 3
merged_df = left.merge(right, left_index=True,
right_index=True, suffixes=['_', ''])
print(merged_df)
输出:
