把几张表拼起来

前言

前面几章，每次分析的都只是一张表。可真实的数据，常常是分散在好几张表里的。

两点书店的数据就是这样，分成了两张表。books.csv 是书目，记着每本书的书名、作者、类别、价格。book_reviews.csv 是读者的评分，一条评分占一行，只记了是给哪个编号的书、打了几分、哪天打的。

那么，要是想知道「哪一类书评分最高」呢？这时候两张表缺一不可：评分在一张表里，类别却在另一张表里。所以，得先把它们合并起来。

这一章就来学两种合并的办法：一种是按某一列「对上号」，左右拼起来；另一种是把几张一样的表，上下接起来。

学这一章之前，需要先学完 数据分析课第 6 章 。

目录

这一章会学到：

• 一、两张表怎么对上号——认识「键」
• 二、左右拼起来——merge()
• 三、对不上号的行去哪儿了——how 参数
• 四、上下接起来——pd.concat()
• 五、常见坑
• 六、自己查一次文档——用 indicator 看清每一行从哪儿来
• 七、小结与回看

学完这一章，数据分散在几张表里也不用怕了：你能先把它们拼成一张，再接着用前面学的本事去分析。

一、两张表怎么对上号

两张表要合并，首先得知道它们靠什么连在一起。咱们先看看评分表里都记了些什么：

import pandas as pd

reviews = pd.read_csv('book_reviews.csv')
print(reviews.shape)
print(reviews.head(3))

输出的结果：

(834, 4)
   review_id  book_id  score        date
0          1      111      4  2025-01-01
1          2       49      2  2025-01-02
2          3      106      4  2025-01-02

可以看到，评分表一共有 834 条评分。每一条里，和书有关的只有一个 book_id ，也就是书的编号。比如第一条评分，是给 111 号书的，打了 4 分。那 111 号书叫什么、是什么类别呢？这张表里可就没有了。

书名和类别，都记在书目表里。再从书目表里挑三列出来看看：

import pandas as pd

books = pd.read_csv('books.csv')
print(books[['id', 'title', 'category']].head(3))

输出的结果：

   id               title category
0   1      轻松玩转自动化     编程
1   2  小账本里的通货膨胀     经济
2   3            早起养花     生活

两边对比一下就会发现：书目表里的 id ，就是评分表里的 book_id 。两张表就是靠这个编号对上号的。评分表说「111 号书打了 4 分」，那就去书目表里找 id 是 111 的那一行，一看就知道是哪本书了。

像这样用来对号的列，叫做键（key）。它就像身份证号一样，一个编号只对应一本书。

看到这里，很多童鞋可能会问：「为什么不在评分表里直接写上书名呢？」因为一本书有好几条评分，要是书名、作者、类别、价格每条都写一遍，就太浪费了；而且万一哪本书改了价格，还得把它所有的评分都改一遍。所以，数据常常分成几张表，各管各的，再用键连在一起。等到要分析的时候，再把它们合并起来。

那么，具体怎么合并呢？下一节就来动手。