本篇文章同步發布於 Python pandas 使用 merge 水平合併 DataFrame 資料 【Python 處理 Excel #11】

前言

當想要的資料分開放在不同地方時，就需要透過合併資料將不同來源的資料整理在同一個地方。Excel 中通常使用 VLOOKUP 或是 MATCH 加上 INDEX 進行資料合併。用 Python pandas 處理 Excel 資料時，我通常會用 merge 方法處理簡單的資料合併。這篇文章介紹 pandas 的 merge 方法。

案例說明

現在有兩個 Excel 檔案，stock.xlsx 記錄產品的庫存數量，cost_price.xlsx 記錄產品的成本價格。這個案例想要將這兩個 Excel 檔案透過 product_name 合併在一起進而得出目前的庫存金額是多少。

stock.xlsx 的內容

cost_price.xlsx 的內容

pandas 的 merge 方法是什麼？

Pandas 的 merge 方法是用來合併兩個 DataFrame 的工具。類似於 SQL 的 JOIN 操作，merge 方法可以將兩個 DataFrame 基於一個或多個共同欄位進行合併。

merge 的合併類型

使用 merge 方法時，可以指定合併的方式，主要有以下幾種類型：

• 左合併 (Left Join)：保留左邊 DataFrame 的所有資料，並將右邊 DataFrame 中符合條件的資料合併進來。如果右邊 DataFrame 中沒有對應的資料，則填入 NaN。
• 右合併 (Right Join)：保留右邊 DataFrame 的所有資料，並將左邊 DataFrame 中符合條件的資料合併進來。如果左邊資料框中沒有對應的資料，則填入 NaN。
• 內合併 (Inner Join)：只保留兩個 DataFrame 中都有的資料。
• 外合併 (Outer Join)：保留所有 DataFrame 中的資料，對於沒有對應資料的欄位填入 NaN。

merge 的基本語法

merge 方法的基本語法如下：

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, sort=False)

• left：要合併的左側 DataFrame。
• right：要合併的右側 DataFrame。
• how：指定合併的方式，例如 inner、outer、left、right。
• on：指定用於合併的欄位名稱。如果兩個 DataFrame 中的合併欄位名稱相同，可以直接使用此參數。
• left_on：指定左側 DataFrame 中用於合併的欄位名稱。如果左側 DataFrame 中的合併欄位名稱與右側 DataFrame 不同時，使用此參數來指定左側的欄位名稱。
• right_on：指定右側 DataFrame 中用於合併的欄位名稱。如果右側 DataFrame 中的合併欄位名稱與左側 DataFrame 不同時，使用此參數來指定右側的欄位名稱。
• sort：是否對合併結果進行排序。預設為 False，表示不進行排序。如果設為 True，合併後的 DataFrame 將根據合併鍵進行排序。

案例演練

以下案例介紹如何使用 merge 方法將兩個 DataFrame 合併起來：

import pandas as pd

# 讀取 Excel 檔案
stock_df = pd.read_excel('stock.xlsx')
cost_df = pd.read_excel('cost_price.xlsx')

# 合併兩個 DataFrame，基於 product_name 欄位
merged_df = pd.merge(stock_df, cost_df, on='product_name', how='inner')

# 計算總庫存金額
merged_df['total_value'] = merged_df['quantity'] * merged_df['price']

print(merged_df)

解釋

• pd.merge()：on 參數指定要用來合併的欄位名稱 (product_name)，how='inner' 表示進行的是內合併。
• merged_df['total_value'] = merged_df['quantity'] * merged_df['price']：建立新欄位 total_value，該欄位計算每個產品的總庫存金額，即數量乘以價格。

on、left_on 和 right_on 參數差異

on、left_on 和 right_on 參數用於指定合併的鍵 (key)。這三個參數的使用情境如下。

on 參數

當兩個 DataFrame 中有相同的欄位名稱時，可以使用此參數來指定用於合併的欄位。例如方才案例演練中兩個 DataFrame 都有名稱為 product_name 的欄位，此時可以以 on 參數進行合併：

merged_df = pd.merge(stock_df, cost_price_df, on='product_name')

left_on 和 right_on 參數

當左右兩側用於合併的欄位名稱不同時，可以使用 left_on 和 right_on 參數指定各自用於合併的欄位。例如左側 DataFrame 使用 product_name 欄位，而右側 DataFrame 使用 item_name 欄位進行合併：

merged_df = pd.merge(stock_df, cost_price_df, left_on='product_name', right_on='item_name')

pandas merge 的後綴字使用時機

當合併的兩個 DataFrame 有相同的欄位名稱時，merge 方法會自動為重複的欄位加上後綴字，避免欄位名稱衝突。使用者可以透過 suffixes 參數自定義這些後綴字。例如：

merged_df = pd.merge(stock_df, cost_df, on='product_name', how='inner', suffixes=('_stock', '_cost'))

在這個例子中，如果兩個 DataFrame 都有 quantity 欄位，合併後這些欄位會分別命名為 quantity_stock 和 quantity_cost。

總結

• pandas 的 merge 方法能合併不同來源的資料。
• merge 提供多種合併方式，包括左合併、右合併、內合併和外合併，使用時要根據需求選擇合適的類型。
• 當合併的資料中有重複的欄位名稱，可以使用 suffixes 參數自定義欄位後綴字，避免欄位名稱衝突。

本篇文章同步發布於 Python pandas 使用 merge 水平合併 DataFrame 資料 【Python 處理 Excel #11】