合并左两个具有不同维度的数据框熊猫

在数据处理中，我们常遇到需要合并两个数据框的情况。但如果这两个数据框的维度不同，例如一个数据框有3列，另一个数据框有4列，我们该如何进行合并？这时候就可以使用左合并。

左合并，即以左侧数据框为准，将左侧数据框中的所有行与右侧数据框中符合条件的行进行合并，没有匹配的则用 NaN 或指定的值填充。本文将介绍如何使用熊猫（Pandas）库进行左合并。

准备数据

下面我们先准备两个样本数据，一个包含了姓名和年龄信息，另一个包含了姓名和工资信息：

import pandas as pd

df1 = pd.DataFrame({'姓名': ['张三', '李四', '王五', '赵六'], '年龄': [18, 20, 22, 24]})
df2 = pd.DataFrame({'姓名': ['张三', '李四', '王五'], '工资': [10000, 20000, 30000]})

这两个数据框分别如下所示：

# 查看 df1 数据框内容
df1

# 输出结果
    姓名  年龄
0   张三  18
1   李四  20
2   王五  22
3   赵六  24

# 查看 df2 数据框内容
df2

# 输出结果
    姓名     工资
0   张三  10000
1   李四  20000
2   王五  30000

合并数据

接下来，我们使用 pd.merge() 函数进行合并。代码如下：

df_merge = pd.merge(df1, df2, on='姓名', how='left')

# 查看合并后的数据框内容
df_merge

执行完上述代码后，我们得到合并后的数据框 df_merge，如下所示：

# 输出结果
    姓名  年龄       工资
0   张三  18  10000.0
1   李四  20  20000.0
2   王五  22  30000.0
3   赵六  24      NaN

可以看到，我们成功地将 df1 和 df2 两个数据框进行了左合并。其中，“姓名”这一列为合并依据，因此只有在 df1 和 df2 的 “姓名” 列中都有相同值的行才会被合并。同时可以看到，在合并后的数据框中，“赵六”这一行因为在 df2 中找不到相应的 “姓名” 信息，因此被用 NaN 填充。

注：how 参数指定了合并方式，其取值可以为 'left'（左合并）、'right'（右合并）、'outer'（外合并）和 'inner'（内合并），默认为 'inner'。

总结

本文介绍了如何利用熊猫库进行左合并。相信读者通过本文的学习，已经掌握了左合并的基本原理及操作方法。