所谓表的横向拼接就是指：在横向上将两个表依据某些公共列拼接到一起，这些公共列（称为连接键）在拼接过程中起到数据准确对接的关键作用。

在Python中实现横向拼接通常利用merge()函数。

横向拼接的连接方式可以分为：一对一、多对一和多对多。

当拼接的两个表的公共列数据都是唯一的，没有重复值时，拼接将是一对一的。使用merge()函数时，Python会自动寻找公共列作为连接键。下面示例中，Number列为公共列。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     103  Olivia  female
3     104    Liam    male
4     105  Sophia  female 

   Number  Chinese  English  Math
0     101       90       50    66
1     102       56       56    55
2     103       86       87    44
3     104       55       88    69
4     105       90       66    96 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     102    Emma  female       56       56    55
2     103  Olivia  female       86       87    44
3     104    Liam    male       55       88    69
4     105  Sophia  female       90       66    96

当拼接的一个表的公共列有重复值，而另一个表没有重复值时，拼接将是多对一的。拼接的结果将保留所有重复值。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     103  Olivia  female
3     104    Liam    male
4     105  Sophia  female 

   Number  Chinese  English  Math
0     101       90       50    66
1     102       56       56    55
2     103       86       87    44
3     104       55       88    69
4     105       90       66    96
5     103       77       97    68
6     101       88       68    72 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     101    Noah    male       88       68    72
2     102    Emma  female       56       56    55
3     103  Olivia  female       86       87    44
4     103  Olivia  female       77       97    68
5     104    Liam    male       55       88    69
6     105  Sophia  female       90       66    96

当拼接的两个表的公共列都有重复值时，拼接将是多对多的。多对多相当于多个多对一，所有重复值都将保留。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2))

运行结果为：

   Number    Name     Sex  Chinese
0     101    Noah    male       90
1     102    Emma  female       56
2     103  Olivia  female       86
3     104    Liam    male       55
4     105  Sophia  female       90
5     101    Noah    male       77
6     104    Liam    male       88 

   Number  English  Math
0     101       50    66
1     102       56    55
2     103       87    44
3     104       88    69
4     105       66    96
5     103       97    68
6     101       68    72 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     101    Noah    male       90       68    72
2     101    Noah    male       77       50    66
3     101    Noah    male       77       68    72
4     102    Emma  female       56       56    55
5     103  Olivia  female       86       87    44
6     103  Olivia  female       86       97    68
7     104    Liam    male       55       88    69
8     104    Liam    male       88       88    69
9     105  Sophia  female       90       66    96

连接键是表拼接的关键，在没有指定连接键的情况下，merge()函数会默认寻找两个表的公共列。存在多个公共列时，可以使用参数on来指定连接键。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,on='Name'))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     103  Olivia  female
3     104    Liam    male
4     105  Sophia  female 

   Number    Name  Chinese  English  Math
0     101    Noah       90       50    66
1     102    Emma       56       56    55
2     103  Olivia       86       87    44
3     104    Liam       55       88    69
4     105  Sophia       90       66    96 

   Number_x    Name     Sex  Number_y  Chinese  English  Math
0       101    Noah    male       101       90       50    66
1       102    Emma  female       102       56       56    55
2       103  Olivia  female       103       86       87    44
3       104    Liam    male       104       55       88    69
4       105  Sophia  female       105       90       66    96

因为两个表实际存在两个公共列，以上只将Name列指定为连接键，因此，Number列作为普通列在拼接结果中出现了两次。

也可以同时指定两个连接键，以列表的形式赋给参数on：

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,on=['Name','Number']))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     103  Olivia  female
3     104    Liam    male
4     105  Sophia  female 

   Number    Name  Chinese  English  Math
0     101    Noah       90       50    66
1     102    Emma       56       56    55
2     103  Olivia       86       87    44
3     104    Liam       55       88    69
4     105  Sophia       90       66    96 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     102    Emma  female       56       56    55
2     103  Olivia  female       86       87    44
3     104    Liam    male       55       88    69
4     105  Sophia  female       90       66    96

当要拼接的两个表没有公共列，但又存在实质相关列时，仍然可以拼接，只不过因为没有名称相同的公共列，merge()函数不能自动查找确定连接键，需要人为指定连接键。

左连接键使用参数left_on指定左表的连接键的列名；右连接键使用参数right_on指定右表的连接键的列名。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,left_on='Id',right_on='Number'))

运行结果为：

    Id    Name     Sex
0  101    Noah    male
1  102    Emma  female
2  103  Olivia  female
3  104    Liam    male
4  105  Sophia  female 

   Number  Chinese  English  Math
0     101       90       50    66
1     102       56       56    55
2     103       86       87    44
3     104       55       88    69
4     105       90       66    96 

    Id    Name     Sex  Number  Chinese  English  Math
0  101    Noah    male     101       90       50    66
1  102    Emma  female     102       56       56    55
2  103  Olivia  female     103       86       87    44
3  104    Liam    male     104       55       88    69
4  105  Sophia  female     105       90       66    96

索引列不算真正的列，但拼接时也可以将索引列作为连接键使用，参数分别是left_index和right_index。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,left_index=True,right_index=True))

运行结果为：

    Id    Name     Sex
0  101    Noah    male
1  102    Emma  female
2  103  Olivia  female
3  104    Liam    male
4  105  Sophia  female 

   Number  Chinese  English  Math
0     101       90       50    66
1     102       56       56    55
2     103       86       87    44
3     104       55       88    69
4     105       90       66    96 

    Id    Name     Sex  Number  Chinese  English  Math
0  101    Noah    male     101       90       50    66
1  102    Emma  female     102       56       56    55
2  103  Olivia  female     103       86       87    44
3  104    Liam    male     104       55       88    69
4  105  Sophia  female     105       90       66    96

以上拼接的结果恰好是对的，但实际拼接时需要确保利用索引的拼接是可靠且有意义的。

当要拼接的两个表的公共列存在不能匹配的值时，就会出现在左表或右表中找不到值。依据对这种情况的处理方式，可以分为：内连接、左连接、右连接和外连接。merge()函数使用参数how来指定具体方式。

内连接就是只保留两个表中的共同部分，匹配不到的行会被舍弃。默认情况下，即不设置参数how时，拼接以内连接方式运行。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,how='inner'))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     104    Liam    male
3     105  Sophia  female
4     106     Bob    male 

   Number  Chinese  English  Math
0     101       90       50    66
1     103       86       87    44
2     104       55       88    69
3     105       90       66    96
4     107      100       98    97 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     104    Liam    male       55       88    69
2     105  Sophia  female       90       66    96

左连接以左表为基础，保留左表的全部内容，在右表中找不到的值用NaN来填充。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,how='left'))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     104    Liam    male
3     105  Sophia  female
4     106     Bob    male 

   Number  Chinese  English  Math
0     101       90       50    66
1     103       86       87    44
2     104       55       88    69
3     105       90       66    96
4     107      100       98    97 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male     90.0     50.0  66.0
1     102    Emma  female      NaN      NaN   NaN
2     104    Liam    male     55.0     88.0  69.0
3     105  Sophia  female     90.0     66.0  96.0
4     106     Bob    male      NaN      NaN   NaN

右连接以右表为基础，保留右表的全部内容，在左表中找不到的值用NaN来填充。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,how='right'))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     104    Liam    male
3     105  Sophia  female
4     106     Bob    male 

   Number  Chinese  English  Math
0     101       90       50    66
1     103       86       87    44
2     104       55       88    69
3     105       90       66    96
4     107      100       98    97 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male       90       50    66
1     103     NaN     NaN       86       87    44
2     104    Liam    male       55       88    69
3     105  Sophia  female       90       66    96
4     107     NaN     NaN      100       98    97

外连接就是取两个表的并集，所有内容保留，不能匹配的值用NaN来填充。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,how='outer'))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     104    Liam    male
3     105  Sophia  female
4     106     Bob    male 

   Number  Chinese  English  Math
0     101       90       50    66
1     103       86       87    44
2     104       55       88    69
3     105       90       66    96
4     107      100       98    97 

   Number    Name     Sex  Chinese  English  Math
0     101    Noah    male     90.0     50.0  66.0
1     102    Emma  female      NaN      NaN   NaN
2     104    Liam    male     55.0     88.0  69.0
3     105  Sophia  female     90.0     66.0  96.0
4     106     Bob    male      NaN      NaN   NaN
5     103     NaN     NaN     86.0     87.0  44.0
6     107     NaN     NaN    100.0     98.0  97.0

当拼接的表中存在重复列名（非公共列）时，merge()函数会自动为这些列添加后缀。默认情况下会将列名修改为XX_x、XX_y、XX_z等。也可以通过修改参数suffixes的值来自定义重复列的名称。

import pandas as pd
df1=pd.read_excel(r"D:\PythonTestFile\pinjie1.xlsx")
df2=pd.read_excel(r"D:\PythonTestFile\pinjie2.xlsx")
print(df1,'\n')
print(df2,'\n')
print(pd.merge(df1,df2,on='Number',suffixes=['_1','_2']))

运行结果为：

   Number    Name     Sex
0     101    Noah    male
1     102    Emma  female
2     104    Liam    male
3     105  Sophia  female
4     106     Bob    male 

   Number    Name  Chinese  English  Math
0     101    Noah       90       50    66
1     103    Emma       86       87    44
2     104    Liam       55       88    69
3     105  Sophia       90       66    96
4     107     Bob      100       98    97 

   Number  Name_1     Sex  Name_2  Chinese  English  Math
0     101    Noah    male    Noah       90       50    66
1     104    Liam    male    Liam       55       88    69
2     105  Sophia  female  Sophia       90       66    96