### Python 数据分析常用合并函数列表 在 Python 的数据分析领域，`pandas` 是一个非常重要的库，它提供了多种方法来合并和操作数据。以下是常用的合并函数及其说明： #### 1. `pd.concat` `pd.concat` 函数可以沿着指定轴（通常是0轴或1轴）将多个 DataFrame 或 Series 对象堆叠在一起[^2]。 ```python import pandas as pd df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']}) df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']}) result = pd.concat([df1, df2], axis=0) # 沿着垂直方向堆叠 print(result) ``` --- #### 2. `pd.append` 虽然 `append` 方法已经被标记为过时并建议使用 `concat` 替代，但它仍然被广泛应用于旧版本代码中。它可以用来追加另一个 DataFrame 到当前 DataFrame 中[^2]。 ```python result = df1.append(df2, ignore_index=True) # 追加并重置索引 print(result) ``` --- #### 3. `pd.merge` `pd.merge` 提供了一种灵活的方式来执行数据库风格的连接操作。支持 inner、outer、left 和 right 不同类型的连接方式[^2]。 ##### 基本语法： ```python merged_df = pd.merge(left=df_left, right=df_right, how='inner', on='key_column') ``` ##### 示例： ```python df_left = pd.DataFrame({'Key': ['K0', 'K1', 'K2'], 'A': ['A0', 'A1', 'A2']}) df_right = pd.DataFrame({'Key': ['K0', 'K1', 'K3'], 'B': ['B0', 'B1', 'B3']}) merged_inner = pd.merge(df_left, df_right, on='Key') # 默认 inner join print(merged_inner) merged_outer = pd.merge(df_left, df_right, on='Key', how='outer') # outer join print(merged_outer) ``` --- #### 4. `DataFrame.join` `join` 方法主要用于基于索引进行列级别的合并。它是 `merge` 的一种简化形式，特别适合于按索引对齐的操作。 ```python joined_df = df_left.join(df_right.set_index('Key'), on='Key') print(joined_df) ``` --- ### 总结 以上四种方法分别是 `pd.concat`、`pd.append`、`pd.merge` 和 `DataFrame.join`，它们各自适用于不同的场景。其中最常使用的可能是 `pd.merge`，因为它能够完成复杂的键匹配逻辑。 ```python # 综合示例 import pandas as pd # 创建两个简单的 DataFrame df_a = pd.DataFrame({"ID": [1, 2, 3], "Value_A": ["X", "Y", "Z"]}) df_b = pd.DataFrame({"ID": [2, 3, 4], "Value_B": ["P", "Q", "R"]}) # 使用 merge 执行左连接 result_merge = pd.merge(df_a, df_b, on="ID", how="left") # 使用 concat 堆叠两表 result_concat = pd.concat([df_a, df_b], axis=0).reset_index(drop=True) print("Merge Result:") print(result_merge) print("\nConcat Result:") print(result_concat) ```