DataFrame.join

DataFrame.join(other, on=None, how=’left’, lsuffix=’’, rsuffix=’’, sort=False)
通过索引或关键列连接其他DataFrame。
传递一个列表，一次性通过索引有效的连接多个DataFrame。

Parameters

other
- DataFrame，Series，or list of DataFrame
- 索引应该相同
- 如果是Series，则必须设置name属性用作生成的连接DataFrame中的列名
on 调用者的列或索引级别名称
how 如何处理两个对象的操作。
- left：左连接
- right：右连接
- outer：外连接
- inner：内连接
lsuffix 用于左侧连接对象重叠列的后缀
rsuffix 用于右侧连接对象重叠列的后缀
sort 通过连接键按字典顺序排序

Example

  1. import pandas as pd
  3. df1 = pd.DataFrame({'site': ['google', 'baidu', 'wiki'],
  4.                     'age': [18, 39, 22]})
  6. df2 = pd.DataFrame({'site': ['google', 'baidu'],
  7.                    'price': [1.0, 2.0]})
  9. df1.join(df2, lsuffix='_left', rsuffix='_right')
  10. --------------------------------------------------------------
  11.     site_left    age    site_right    price
  12. 0    google        18    google        1.0
  13. 1    baidu        39    baidu        2.0
  14. 2    wiki        22    NaN            NaN

Example

  1. import pandas as pd
  3. df1 = pd.DataFrame({'site': ['google', 'baidu', 'wiki'],
  4.                     'age': [18, 39, 22]})
  6. df2 = pd.DataFrame({'site': ['google', 'baidu'],
  7.                    'price': [1.0, 2.0]})
  9. df1.set_index('site').join(df2.set_index('site'))
  10. ----------------------------------------------------------------
  11.         age    price
  12. site        
  13. google    18    1.0
  14. baidu    39    2.0
  15. wiki    22    NaN

Example

“join”方法总是使用“other”中的索引。
通过“on”参数使用原DataFrame中的任何列，以保留原DataFrame中的索引。

  1. import pandas as pd
  3. df1 = pd.DataFrame({'site': ['google', 'baidu', 'wiki'],
  4.                     'age': [18, 39, 22]})
  6. df2 = pd.DataFrame({'site': ['google', 'baidu'],
  7.                    'price': [1.0, 2.0]})
  9. df1.join(df2.set_index('site'), on='site')
  10. -------------------------------------------------------------    
  11.     site    age    price
  12. 0    google    18    1.0
  13. 1    baidu    39    2.0
  14. 2    wiki    22    NaN

Example

  1. import pandas as pd
  2. df1 = pd.DataFrame({'site':['google', 'baidu', 'wiki', 'pandas']})
  3. df2 = pd.DataFrame({'count':[18, 39, 22, 45]})
  4. df3 = pd.DataFrame({'price':[1, 2, 3, 4]})
  5. df1.join([df2, df3])
  6. ------------------------------------------
  7.     site    count    price
  8. 0    google    18        1
  9. 1    baidu    39        2
  10. 2    wiki    22        3
  11. 3    pandas    45        4