[python] Pandas의 join과 merge의 차이점은 무엇입니까?

pandas.merge() 모든 병합 / 결합 동작에 사용되는 기본 함수입니다.

DataFrame은의 기능에 액세스하는 편리한 방법으로 pandas.DataFrame.merge()및 pandas.DataFrame.join()메소드를 제공합니다 pandas.merge(). 예를 df1.merge(right=df2, ...)들어와 같습니다 pandas.merge(left=df1, right=df2, ...).

와의 주요 차이점은 다음 df.join()과 df.merge()같습니다.

1. 오른쪽 테이블에서 조회 : df1.join(df2)는의 인덱스를 통해 항상 조인 df2하지만 df1.merge(df2)하나 이상의 열 df2(기본값) 또는 인덱스 df2(with right_index=True)에 조인 할 수 있습니다 .
2. 왼쪽 룩업 테이블에 기본적으로 df1.join(df2)의 사용 지수 df1와 df1.merge(df2)의 사용 칼럼 (들) df1. 즉 지정하여 대체 할 수 있습니다 df1.join(df2, on=key_or_keys)또는 df1.merge(df2, left_index=True).
3. 내부 대에 가입 왼쪽 : df1.join(df2)왼쪽은 기본적으로 가입 않습니다 (모든 행을 유지 df1)하지만, df.merge내부는 기본적으로 가입하지 (만 반환의 행을 일치 df1하고 df2).

따라서 일반적인 접근 방식은 pandas.merge(df1, df2)또는 을 사용하는 것 df1.merge(df2)입니다. 그러나 여러 일반적인 상황 (의 모든 행을 유지 df1하고의 색인에 참여 df2)에서 df1.join(df2)대신 사용하여 일부 입력을 저장할 수 있습니다 .

http://pandas.pydata.org/pandas-docs/stable/merging.html#database-style-dataframe-joining-merging 의 문서에서 이러한 문제에 대한 참고 사항 :

merge 는 pandas 네임 스페이스의 함수이며 호출 DataFrame이 암시 적으로 조인의 왼쪽 객체로 간주되는 DataFrame 인스턴스 메서드로도 사용할 수 있습니다.

관련 DataFrame.join메소드 merge는 인덱스-인덱스 및 인덱스-온-컬럼 조인에 내부적으로 사용 되지만 공통 열에 대한 조인을 시도하지 않고 기본적으로 인덱스를 조인합니다 (의 기본 동작 merge). 색인에 참여하는 경우 DataFrame.join입력 내용을 저장 하는 데 사용할 수 있습니다 .

…

이 두 함수 호출은 완전히 같습니다.

left.join(right, on=key_or_keys)
pd.merge(left, right, left_on=key_or_keys, right_index=True, how='left', sort=False)

답변

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

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

df_1.join(df_2)

df_1.merge(df_2)

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')