开发者学堂课程【高校精品课-华东师范大学 - Python 数据科学基础与实践：pandas 数据合并与整形 4】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/1067/detail/15395
pandas 数据合并与整形 4
内容介绍：
一、Merging on index （在 index 上做归并）
二、Concatenating Along an Axis（沿着轴串联）
三、Combining Data with Overlap（用重叠来合并数据）
一、Merging on index （在 index 上做归并）
下面来学习在索引上进行归并、合并。前面讲合并都是用一个字段，一个列，最好是两个数据里中具有相同的列，但是列有可能是数字框中的索引，所以在这种情况下，可以用 left index=true 或者 right index=true 来指名要使用哪个索引来做合并的键（key）。接下来看下面的例子：
这里创建了一个数据框，数据框中有两列一个是 key，一个是 value，索引是默认的，这个数据框叫 left1。下面再看 right1 的数据框，
有一列就是group_val，然后它有索引 index=【‘a’，‘b’】，现在需要做两台数据的合并，也就是 left1和 right1 合并，然后使用left_on=‘key’，right index=true。那么左边是用其 key 字段，大家可以主要 key 中有 a、b、c 这样的参数；右边数据是用它的索引，使用 right index=true。
这样的两份数据合并，那么其默认为交集。那如果要指定其为并集的话，可以使用 outer join。大家可以看下面例子：
将 left1和 right1合并起来，然后左边数据用 key，右边使用索引（index），然后使用 Y 集，运行查看合并后的结果。
那么对于多层级索引的数据，如果要再合并会变得更复杂，所以后面多层级索引也就是层次索引，就是多索引 merge 代词，这个例子讲起来可能比较绕，所以下去也需要同学自己进行练习、体会。这里就不提多层级索引例子了。
二、Concatenating Along an Axis（沿着轴串联）
另外是沿着坐标轴的合并串联，主要是用 concatenating 函数，这是相对来说比较容易理解的，可以对照 Numpy 里的 concatenating 函数来作为对比，如果 Numpy 数组的合并已经熟悉的话，这个也就可以完成理解了。接下看例子：
这是创建三行四列，总计12个数的 Numpy 的数组，大家看看在 Numpy 里使用两个数组去合并。那么这两份数据都为 arr，是同样的数据，然后坐标轴引入了这个列去合并，大家看看合并后的结果。
在列上面可以看出前后共分为两组，在列上增加了元素的列数目，由本来的四列变成现在的八列，行未改变还是三行。所以注意 concatenating 函数，那么在 pandas 对象里有 series 和数值框，然后这些坐标轴都是标签化的，如果在坐标轴上要进行合并的情况下，在pandas里面主要就是 concat 函数，它能够做到与 Numpy 里的 concatenating 函数相似的功能，这里看看下面例子。
这是 s1的一个 series，它的数据是【0,1】所以 index = 【a，b】；s1为另外一个 series 其数据是【2，3，4】所以是 index=【c，d，e】，那么将三份系列 Series 进行创建，用 concat 把它合并起来。下面括号里给一段列表，把三个系列放在一起，然后再来看看整合后的结果：a,b,c,d,e,f,g，整合成这样的结果，如果没有指明具体按哪个坐标图，默认 axis = 0，就是按行增加新的行，从而得到一个新的 series，如果令 axis = 1，那就是按列。
下面来看一下按列然后进行数据的合并，因为原本没有列名，所以这里添加了默认的列名0,1,2，然后数据进行合并，要注意这样的问题。
后面还有 concat 的几个例子。也可以自己按照提供的资料去操作。
三、Combining Data with Overlap（用重叠来合并数据）
最后面是第三个大内容，这个就是用重叠来合并数据，主要就是用里面存在的一个方法：combine first，它会自动对齐，这里的内容大家也还可以按照操作，自己进行练习。
这是关于数据的合并，给大家讲到主要的一些合并的方法。基本上常规操作掌握了，但是里面还有一些细节，应该自主的进行查阅，再去加强合并的内容。如果之前练习不多，确实有的地方会绕，要多仔细观察，否则可能也很难判断。
