Pandalar'da birleştirme ve birleştirme arasındaki fark nedir?

Diyelim ki böyle iki DataFrames var:

left = pd.DataFrame({'key1': ['foo', 'bar'], 'lval': [1, 2]})

right = pd.DataFrame({'key2': ['foo', 'bar'], 'rval': [4, 5]})

Onları birleştirmek istiyorum, bu yüzden böyle bir şey deniyorum:

pd.merge(left, right, left_on='key1', right_on='key2')

Ve ben mutluyum

    key1    lval    key2    rval
0   foo     1       foo     4
1   bar     2       bar     5

Ama oldukça benzer olduğuna inandığım birleştirme yöntemini kullanmaya çalışıyorum.

left.join(right, on=['key1', 'key2'])

Ve bunu anladım:

//anaconda/lib/python2.7/site-packages/pandas/tools/merge.pyc in _validate_specification(self)
    406             if self.right_index:
    407                 if not ((len(self.left_on) == self.right.index.nlevels)):
--> 408                     raise AssertionError()
    409                 self.right_on = [None] * n
    410         elif self.right_on is not None:

AssertionError: 

Neyi kaçırıyorum?

Her zaman joinendekslerde kullanırım :

import pandas as pd
left = pd.DataFrame({'key': ['foo', 'bar'], 'val': [1, 2]}).set_index('key')
right = pd.DataFrame({'key': ['foo', 'bar'], 'val': [4, 5]}).set_index('key')
left.join(right, lsuffix='_l', rsuffix='_r')

     val_l  val_r
key            
foo      1      4
bar      2      5

Aynı işlevler mergeaşağıdaki sütunlarda da kullanılabilir :

left = pd.DataFrame({'key': ['foo', 'bar'], 'val': [1, 2]})
right = pd.DataFrame({'key': ['foo', 'bar'], 'val': [4, 5]})
left.merge(right, on=('key'), suffixes=('_l', '_r'))

   key  val_l  val_r
0  foo      1      4
1  bar      2      5

pandas.merge() tüm birleştirme / birleştirme davranışları için kullanılan temel işlevdir.

DataFrames, pandas.DataFrame.merge()ve pandas.DataFrame.join()yöntemlerinin özelliklerine erişmek için uygun bir yol sağlar pandas.merge(). Örneğin, df1.merge(right=df2, ...)eşdeğerdirpandas.merge(left=df1, right=df2, ...) .

Bunlar df.join()ve arasındaki temel farklar şunlardır df.merge():

1. sağ tabloda arama: df1.join(df2)her zaman dizini aracılığıyla birleştirilir df2, ancak (varsayılan) df1.merge(df2)bir veya daha fazla sütuna df2veya df2(ile right_index=True) dizinine katılabilir .
2. arama sol masada: varsayılan olarak, df1.join(df2)dizinini kullanır df1ve df1.merge(df2)kullanımları sütunu (ler) df1. df1.join(df2, on=key_or_keys)Veya belirtilerek geçersiz kılınabilir.df1.merge(df2, left_index=True) .
3. sola karşı iç birleşim: df1.join(df2)varsayılan olarak sol birleşim yapar (tüm satırlarını tutar df1), ancak df.mergevarsayılan olarak iç birleşim yapar ( df1ve yalnızca eşleşen satırlarını döndürür df2).

Yani, genel yaklaşım pandas.merge(df1, df2)veya kullanmaktır df1.merge(df2). Ancak, bazı yaygın durumlar için (tüm satırları içeride tutarak df1ve bir dizine katılmadan df2), df1.join(df2)bunun yerine kullanarak bazı yazımları kaydedebilirsiniz .

Bu konulara ilişkin bazı notlar http://pandas.pydata.org/pandas-docs/stable/merging.html#database-style-dataframe-joining-merging adresindeki belgelerden alınmıştır :

merge pandaların ad alanında bir işlevdir ve aynı zamanda DataFrame örnek yöntemi olarak da kullanılabilir; çağıran DataFrame, örtülü olarak birleştirme içinde sol nesne olarak kabul edilir.

İlgili DataFrame.joinyöntem, mergedizin üzerinde dizin ve sütun üzerinde dizin birleşimleri için dahili olarak kullanılır, ancak ortak sütunlarda (varsayılan davranışı merge) birleştirilmeye çalışmak yerine varsayılan olarak dizinlerde birleşir . Dizine katılıyorsanız, DataFrame.joinkendinizi biraz yazmak için kullanmak isteyebilirsiniz .

...

Bu iki işlev çağrısı tamamen eşdeğerdir:

left.join(right, on=key_or_keys)
pd.merge(left, right, left_on=key_or_keys, right_index=True, how='left', sort=False)

Bunun join()sadece bir kolaylık yöntemi olduğuna inanıyorum . Deneyin df1.merge(df2)belirtmek olanak tanıyan yerine left_onve right_on:

In [30]: left.merge(right, left_on="key1", right_on="key2")
Out[30]: 
  key1  lval key2  rval
0  foo     1  foo     4
1  bar     2  bar     5

Gönderen bu belgelerin

pandas, DataFrame nesneleri arasındaki tüm standart veritabanı birleştirme işlemleri için giriş noktası olarak tek bir işlev, birleştirme sağlar:

merge(left, right, how='inner', on=None, left_on=None, right_on=None,
      left_index=False, right_index=False, sort=True,
      suffixes=('_x', '_y'), copy=True, indicator=False)

Ve :

DataFrame.joinpotansiyel olarak farklı dizine eklenebilen iki DataFrame'in sütunlarını tek bir sonuç DataFrame'de birleştirmek için uygun bir yöntemdir. İşte çok temel bir örnek: Buradaki veri hizalaması dizinlerde (satır etiketleri). Aynı davranış, birleştirme artı dizinleri kullanmasını bildiren ek bağımsız değişkenler kullanılarak da gerçekleştirilebilir:

result = pd.merge(left, right, left_index=True, right_index=True,
how='outer')

Farklardan biri, mergeyeni bir dizin oluşturmak joinve sol taraftaki dizini tutmaktır. Dizininizin değiştirilmediğini yanlış bir şekilde varsayarsanız, sonraki dönüşümlerinizde büyük bir sonuç olabilir.merge .

Örneğin:

import pandas as pd

df1 = pd.DataFrame({'org_index': [101, 102, 103, 104],
                    'date': [201801, 201801, 201802, 201802],
                    'val': [1, 2, 3, 4]}, index=[101, 102, 103, 104])
df1

       date  org_index  val
101  201801        101    1
102  201801        102    2
103  201802        103    3
104  201802        104    4

-

df2 = pd.DataFrame({'date': [201801, 201802], 'dateval': ['A', 'B']}).set_index('date')
df2

       dateval
date          
201801       A
201802       B

-

df1.merge(df2, on='date')

     date  org_index  val dateval
0  201801        101    1       A
1  201801        102    2       A
2  201802        103    3       B
3  201802        104    4       B

-

df1.join(df2, on='date')
       date  org_index  val dateval
101  201801        101    1       A
102  201801        102    2       A
103  201802        103    3       B
104  201802        104    4       B

• Birleştir: Varsayılan Dizin (Aynı sütun adı varsa, u lsuffix veya rsuffix tanımlanmadığı için varsayılan modda bir hata atar)

df_1.join(df_2)

• Birleştirme: Varsayılan Aynı Sütun Adları (Aynı sütun adı yoksa, varsayılan modda hata verir)

df_1.merge(df_2)

• on parametrenin her iki durumda da farklı bir anlamı vardır

df_1.merge(df_2, on='column_1')

df_1.join(df_2, on='column_1') // It will throw error
df_1.join(df_2.set_index('column_1'), on='column_1')

SQL'e benzer şekilde koymak için "Pandalar birleşmesi dış / iç birleşimdir ve Pandalar birleşim doğal birleşimdir". Bu nedenle pandalarda birleştirme kullandığınızda, hangi tür sqlish birleşimini kullanmak istediğinizi belirtmek istersiniz, panda birleşimini kullandığınızda, birleşmesini sağlamak için gerçekten eşleşen bir sütun etiketine sahip olmak istersiniz.