如何在 pandas 中进行内连接（举例）

您可以使用以下基本语法在 pandas 中执行内部联接：

 import pandas as pd

df1. merge (df2, on=' column_name ', how=' inner ')

以下示例展示了如何在实践中使用此语法。

示例：如何在 Pandas 中执行内连接

假设我们有以下两个 panda DataFrame，其中包含有关各个篮球队的信息：

 import pandas as pd

#createDataFrame
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                    ' points ': [18, 22, 19, 14, 14, 11, 20, 28]})

df2 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'G', 'H'],
                    ' assists ': [4, 9, 14, 13, 10, 8]})

#view DataFrames
print (df1)

  team points
0 to 18
1 B 22
2 C 19
3 D 14
4 E 14
5 F 11
6 G 20
7:28 a.m.

print (df2)

  team assists
0 to 4
1 B 9
2 C 14
3 D 13
4G 10
5:8 a.m.

我们可以使用以下代码来执行内部联接，它只保留两个 DataFrame 中出现团队名称的行：

 #perform left join
df1. merge (df2, on=' team ', how=' inner ')

	team points assists
0 to 18 4
1 B 22 9
2 C 19 14
3 D 14 13
4 G 20 10
5:28 8

合并的 DataFrame 中包含的唯一行是团队名称出现在两个 DataFrame 中的行。

请注意，两个团队被删除（团队 E 和 F），因为它们没有出现在两个 DataFrame 中。

请注意，您还可以使用pd.merge()和以下语法来返回完全相同的结果：

 #perform left join
p.d. merge (df1, df2, on=' team ', how=' inner ')

	team points assists
0 to 18 4
1 B 22 9
2 C 19 14
3 D 14 13
4 G 20 10
5:28 8

请注意，此合并的 DataFrame 与前面的示例相匹配。

注意：您可以在此处找到合并功能的完整文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

如何在 Pandas 中进行左连接
如何跨多列合并 Pandas DataFrame
Pandas 加入或合并：有什么区别？