DataFrame实现两表连接 连接查询：包含连接操作的查询称为连接查询 连接查询包含：等值，自然，外连接，内连接，坐连接，自连接…… 挖坑坑，深入学习了慢慢填。 pandas的DataFrame的连接不算真正意义的连接查询，只是在两个DataFrame中的操作达到了像连接查询的效果 用pandas库下的DataFram创建DataFrame类型的数据 假设other是一张表，caller是另一张表，等值连接的SQL查询语句可以表示为 用pandas.DataFrame.join实现相同的效果 用pd.merge实现 pandas中DataFrame表连接操作，及merge与join区别 为了方便维护，一般公司的数据在数据库内都是分表存储的，比如用一个表存储所有用户的基本信息，一个表存储用户的消费情况。     所以，在日常的数据处理中，经常需要将两张表拼接起来使用，这样的操作对应到SQL中是join，在Pandas中则是用merge来实现。     上面的引入部分说到merge是用来拼接两张表的，那么拼接时自然就需要将用户信息一一对应地进行拼接。     所以进行拼接的两张表需要有一个共同的识别用户的键（key），也就是on参数所指定的列。 总结来说，整个merge的过程就是将信息一一对应匹配的过程，下面介绍merge的四种类型，分别为'inner'、'left'、'right'和'outer'。 merge参数讲解 创建两个DataFrame dishes_info： order_sample： 我们使用merge方法将两表根据dishes_id列连接起来，使用左连接的方式 新表data数据如下 以上是常用的方式，根据两表都具有的列(相同列名，相同类型)进行表连接。 有的时候，合并操作不是用DataFrame的列，而是用索引作为键。把left_index和right_index选项的值置为True，就可将其作为合并DataFrame的基准。 生成的data数据如下： 此文章对这两表进行以索引为基准的连接操作，没有意义，这两表就不是这样连的(有意义的连接应该是根据dishes_id进行连接)，主要就是硬解释一下left_index和right_index选项的作用。 pandas中join函数的使用方式 DataFrame对象的join()函数就像是merge()函数的left_index & right_index 为 True。DataFrame对象的join()函数更适合于根据索引进行合并，我们可以用它合并多个索引相同列不同的DataFrame对象。 以下是我根据行索引进行连接，报错显示有相同的列，就是两表都有dishes_id这列，但是我没有修改 我们对join正确的用法： 由于join默认根据行索引进行连接，所以我们修改两表的行索引为dishes_id列在进行连接 dishes_info数据： order_sample数据： 修改完成后对两表进行根据行索引作为基准的表连接 生成data表的数据 如上所示，join合并操作默认是以行索引而不是以列为基准。 Join函数有on参数，如果指定了，那就表示join连接以行索引并且以on指定的列联合作为键进行表连接。 总结 以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。