Pandas 中的 join 和 merge 有什么区别？

pandas.merge() 是用于所有合并/连接行为的底层函数。

DataFrame 提供 pandas.DataFrame.merge() 和 pandas.DataFrame.join() 方法作为访问 pandas.merge() 功能的便捷方式。例如，df1.merge(right=df2, ...) 等同于 pandas.merge(left=df1, right=df2, ...)。

以下是 df.join() 和 df.merge() 之间的主要区别：

在右表上查找：df1.join(df2) 始终通过 df2 的索引连接，但 df1.merge(df2) 可以连接到 df2 的一个或多个列（默认）或 df2 的索引（right_index=True） .左表查找：默认情况下，df1.join(df2) 使用 df1 的索引，df1.merge(df2) 使用 df1 的列。这可以通过指定 df1.join(df2, on=key_or_keys) 或 df1.merge(df2, left_index=True) 来覆盖。左连接与内连接：df1.join(df2) 默认执行左连接（保留 df1 的所有行），但 df.merge 默认执行内连接（仅返回匹配的 df1 和 df2 行）。

因此，通用方法是使用 pandas.merge(df1, df2) 或 df1.merge(df2)。但是对于一些常见情况（保留 df1 的所有行并加入 df2 中的索引），您可以改用 df1.join(df2) 来节省一些输入。

http://pandas.pydata.org/pandas-docs/stable/merging.html#database-style-dataframe-joining-merging 的文档中有关这些问题的一些说明：

merge 是 pandas 命名空间中的一个函数，它也可作为 DataFrame 实例方法使用，调用 DataFrame 被隐式视为连接中的左对象。相关的 DataFrame.join 方法在内部对 index-on-index 和 index-on-column(s) 连接使用合并，但默认情况下连接索引而不是尝试连接公共列（合并的默认行为）。如果您要加入索引，您可能希望使用 DataFrame.join 来节省一些输入。

...

这两个函数调用是完全等价的：left.join(right, on=key_or_keys) pd.merge(left, right, left_on=key_or_keys, right_index=True, how='left', sort=False)

---

我总是在索引上使用 join：

import pandas as pd
left = pd.DataFrame({'key': ['foo', 'bar'], 'val': [1, 2]}).set_index('key')
right = pd.DataFrame({'key': ['foo', 'bar'], 'val': [4, 5]}).set_index('key')
left.join(right, lsuffix='_l', rsuffix='_r')

     val_l  val_r
key            
foo      1      4
bar      2      5

在以下列上使用 merge 可以获得相同的功能：

left = pd.DataFrame({'key': ['foo', 'bar'], 'val': [1, 2]})
right = pd.DataFrame({'key': ['foo', 'bar'], 'val': [4, 5]})
left.merge(right, on=('key'), suffixes=('_l', '_r'))

   key  val_l  val_r
0  foo      1      4
1  bar      2      5

---

来自this documentation

pandas 提供了一个单一的函数 merge，作为 DataFrame 对象之间所有标准数据库连接操作的入口点：merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, 后缀=('_x', '_y'), copy=True, indicator=False)

和 ：

DataFrame.join 是将两个可能具有不同索引的 DataFrame 的列组合成单个结果 DataFrame 的便捷方法。这是一个非常基本的示例：这里的数据对齐是在索引（行标签）上。使用合并以及指示它使用索引的附加参数可以实现相同的行为： result = pd.merge(left, right, left_index=True, right_index=True, how='outer')

---

不同之处之一是 merge 正在创建一个新索引，而 join 正在保留左侧索引。如果您错误地假设索引未使用 merge 更改，则可能会对您以后的转换产生重大影响。

例如：

import pandas as pd

df1 = pd.DataFrame({'org_index': [101, 102, 103, 104],
                    'date': [201801, 201801, 201802, 201802],
                    'val': [1, 2, 3, 4]}, index=[101, 102, 103, 104])
df1

       date  org_index  val
101  201801        101    1
102  201801        102    2
103  201802        103    3
104  201802        104    4

-

df2 = pd.DataFrame({'date': [201801, 201802], 'dateval': ['A', 'B']}).set_index('date')
df2

       dateval
date          
201801       A
201802       B

-

df1.merge(df2, on='date')

     date  org_index  val dateval
0  201801        101    1       A
1  201801        102    2       A
2  201802        103    3       B
3  201802        104    4       B

-

df1.join(df2, on='date')
       date  org_index  val dateval
101  201801        101    1       A
102  201801        102    2       A
103  201802        103    3       B
104  201802        104    4       B

---

我相信 join() 只是一种方便的方法。请改用 df1.merge(df2)，它允许您指定 left_on 和 right_on：

In [30]: left.merge(right, left_on="key1", right_on="key2")
Out[30]: 
  key1  lval key2  rval
0  foo     1  foo     4
1  bar     2  bar     5

---

加入：默认索引（如果任何相同的列名，那么它会在默认模式下抛出错误，因为你没有定义 lsuffix 或 rsuffix））

df_1.join(df_2)

合并：默认相同的列名（如果没有相同的列名，它将在默认模式下抛出错误）

df_1.merge(df_2)

on 参数在两种情况下都有不同的含义

df_1.merge(df_2, on='column_1')

df_1.join(df_2, on='column_1') // It will throw error
df_1.join(df_2.set_index('column_1'), on='column_1')

---

将其类比为 SQL“Pandas 合并是外/内连接，Pandas 连接是自然连接”。因此，当您在 pandas 中使用合并时，您想指定要使用哪种 sqlish 连接，而当您使用 pandas 连接时，您确实希望有一个匹配的列标签以确保它连接

---