第六章 連線

一、關係型連線

1.連線的基本概念

左連線，右連線，內連線，外連線。
左連線就是以左邊表裡的鍵為準，如果右邊表裡出現左表利的鍵，就新增到左表裡，否則就不新增。
內連線：只合並兩個表裡同時出現的鍵。
！如果 出現重複的鍵怎麼處理？
原則：只要兩邊同時出現的鍵，就以笛卡爾積的方式加入，如果單邊出現則根據連線的形式加入。
小結：
left：參與合併的左側DataFrame
right：參與合併的右側DataFrame
how：inner、outer、left、right其中之一

2. 值連線

兩張表根據某一列的值來連線，事實上還可以通過幾列值的組合進行連線，這種基於值的連線在pandas中可以由merge函式實現，例如：

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'], 'Age':[20,30]})
df2 = pd.DataFrame({'Name':['Si Li','Wu Wang'], 'Gender':['F','M']})
df1.merge(df2, on='Name', how='left')

output：

這裡的合併都是用merge，以前都是用join。感覺merge更方便一些~
“merge包含了join操作，支援兩個df間行方向或列方向的拼接操作，預設列拼接，取交集，而join只是簡化了merge的行拼接的操作”
如果兩個表中想要連線的列不具備相同的列名，可以通過left_on和right_on指定：

df1 = pd.DataFrame({'df1_name':['San Zhang','Si Li'], 'Age':[20,30]})
df2 = pd.DataFrame({'df2_name':['Si Li','Wu Wang'], 'Gender':['F','M']})
df1.merge(df2, left_on='df1_name', right_on='df2_name', how='left')

output：

如果兩個表中的列出現了重複的列名，那麼可以通過suffixes引數指定。例如：

df1 = pd.DataFrame({'Name':['San Zhang'],'Grade':[70]})
df2 = pd.DataFrame({'Name':['San Zhang'],'Grade':[80]})
df1.merge(df2, on='Name', how='left', suffixes=['_Chinese','_Math'])

合併張三的語文成績和數學成績。
出現重複元素:例如兩位同學來自不同的班級，但是姓名相同，這種時候就要指定on引數為多個列使得正確連線：

df1 = pd.DataFrame({'Name':['San Zhang', 'San Zhang'],
                    'Age':[20, 21],
                    'Class':['one', 'two']})
df2 = pd.DataFrame({'Name':['San Zhang', 'San Zhang'],
                    'Gender':['F', 'M'],
                    'Class':['two', 'one']})
df1.merge(df2, on=['Name', 'Class'], how='left') # 正確的結果

在進行基於唯一性的連線下，如果鍵不是唯一的，那麼結果就會產生問題。如果想要保證唯一性，除了用duplicated檢查是否重複外，merge中也提供了validate引數來檢查連線的唯一性模式。這裡共有三種模式，即一對一連線1:1，一對多連線1:m，多對一連線m:1連線，第一個是指左右表的鍵都是唯一的，後面兩個分別指左表鍵唯一和右表鍵唯一。

3.索引連線

小結：
left_index：將左側的行索引用作其連線鍵的列
right_index：類似於left_index
sort：根據連線鍵對合並後的資料進行排序，預設為True。有時在處理大資料集時，禁用該選項可獲得更好的效能
suffixes：字串值元組，用於追加到重疊列名，預設為（’_x’,’_y’）
copy：設定為False，可以在某些我死情況下避免將資料複製到結果資料結構中，預設總是複製