DataFrame 合并(Merge) Series

在理解DataFrame中的Merge操作中，我们给大家介绍了 DataFrame 的 Merge 函数基本用法。通常，我们是对两个或多个 DataFrame 进行 merge ，但如果源数据一个是 DataFrame ，另一个是 Series, 我们还能进行合并吗？

案例构造

假设有一个表示用户账号信息的 DataFrame, 如下:

   acc_id acc_name
0       1       张三
1       2       李四
2       3     王二麻子
3       4      奥特曼

acc_id, acc_name 分别表示用户id和用户名称。

还有另外一个 DataFrame 表示某个时间端内用户在系统中使用功能的日志，如下:

    acc_id  func_id
0        3        6
1        3       10
2        1        5
3        2        2
4        3        2
5        2        5
6        4        8
..      ...      ...
94       4        8
95       4        7
96       4        2
97       1        8
98       2        8
99       3        5

acc_id是用户id, func_id是功能编号（比如: 1代表用户登录，2代表用户浏览商品等等），总数有100条。

现在，我们想知道在这100条中，每个用户分别占了多少条？当然，这其实是一个分组统计数量的问题，如果是在SQL数据库中，我们的方法是写类似的SQL: select key, count(1) from …. group by key
在 pandas 的 DataFrame 中，我们只需要通过一个切片和要给函数也可以很简单的完成，代码如下:

import random
import pandas as pd
from pandas import DataFrame

f1 = DataFrame({'acc_id': [1, 2, 3, 4], 
    'acc_name': ['张三', '李四', '王二麻子', '奥特曼']})

f2 = DataFrame({'acc_id': [ x for x in [random.randint(1, 4) for i in range(100)]],
    'func_id': [ x for x in [random.randint(1, 10) for i in range(100)]] })

s_counts = f2['acc_id'].value_counts()
print (s_counts)

运行程序，输出为:

1    35
4    29
2    20
3    16
Name: acc_id, dtype: int64

可以看到，我们实际上是对 DataFrame f2进行了一个切片 f2[‘acc_id’], 得到一个序列（Series），然后再执行序列的函数 value_counts 进行统计的

DataFrame 与 Series 进行 Merge

如果我们希望在最终的结果中，能看到用户的名称，而不是只有用户的id, 这就需要我们将 f1 (DataFrame) 和 s_counts 进行合并，按照 merge 的语法，我们使用如下代码尝试合并:

1 2	f4 = pd.merge(f1, s_counts) print (f4)

运行程序，系统输出:

1
2
3

Empty DataFrame
Columns: [acc_id, acc_name]
Index: []

可以看出，合并实际没有成功。

通过对 DataFrame 合并规则的分析可以知道， Merge操作是需要有列名间存在对应关系为前提的，但我们通过 value_counts 函数最终生成的序列（Series) 实际上是没有列名的，应该Merge函数也没法找到合并的条件。解决的方法就是为序列 (Series) 指定列名和索引名，注意不用忘了给索引名。其实每个序列 (Series) 都可以看作是一个只有两列的二维表，一列是索引，一列是数据。
回到刚才的例子， DataFrame 执行切片操作 [‘acc_id’] 以后，拿到其实就是一个以’acc_id’为索引，以func_id为数据的序列，只是我们没有对这个序列的索引和数据进行命名。
知道了原因，那就简单了，解决方法就是：在合并前对Series的索引和数据列进行命名，在合并前加入下面的代码:

1 2	s_counts.index.name = 'acc_id' s_counts.name = 'func_counts'

执行程序，这个时候我们会得到一个 “pandas.errors.MergeError: No common columns to perform merge on. Merge options: left_on=None, right_on=None, left_index=False, right_index=False” 的错误。原来是因为merge函数在合并 DataFrame 和 Series 时，需要显示的指明关联的键是什么，修改merge的参数如下就可以了：

1	f4 = pd.merge(f1, s_counts, on='acc_id')

运行程序，系统输出了希望的结果:

   acc_id acc_name  func_counts
0       1       张三           14
1       2       李四           25
2       3     王二麻子           37
3       4      奥特曼           24

最后，贴出完整的示例程序:

import random
import pandas as pd
from pandas import DataFrame

f1 = DataFrame({'acc_id': [1, 2, 3, 4], 
    'acc_name': ['张三', '李四', '王二麻子', '奥特曼']})

f2 = DataFrame({'acc_id': [ x for x in [random.randint(1, 4) for i in range(100)]],
    'func_id': [ x for x in [random.randint(1, 10) for i in range(100)]] })

s_counts = f2['acc_id'].value_counts()

s_counts.index.name = 'acc_id'
s_counts.name = 'func_counts'

f4 = pd.merge(f1, s_counts, on='acc_id')

print (f4)

通过这个示例，希望大家一方面能知道如何 Merge 一个 DataFrame 和一个 Series, 更重要的一方面是希望能够更深入的认识序列（Series）这种数据结构的特性。