8일차 python 데이터분석2

Merge VS Join

➡️공통점

공통점	설명
병합 기능	두 개의 DataFrame을 병합 (SQL의 JOIN처럼 동작)
how 옵션 사용	inner, left, right, outer 지원
기준 지정 가능	특정 key를 기준으로 병합 가능

📌 merge() — SQL JOIN과 가장 유사

기본 개념

• 열(column) 기준으로 병합함
• 병합 기준이 되는 열 이름을 on, left_on, right_on 으로 명시함

주요 옵션

옵션	설명
on	두 DataFrame에 모두 있는 열 기준 병합
left_on, right_on	각 DataFrame에서 다른 열을 기준으로 병합
how	inner, left, right, outer (기본값은 inner)
suffixes	열 이름 충돌 시 붙일 접미사 설정

기본 on 병합

df1 = pd.DataFrame({'id': [1, 2], 'name': ['영희', '철수']})
df2 = pd.DataFrame({'id': [1, 2], 'score': [95, 88]})

pd.merge(df1, df2, on='id')

index	id	name	score
0	1	영희	95
1	2	철수	88

how='outer' 병합

df1 = pd.DataFrame({'id': [1, 2], 'name': ['영희', '철수']})
df2 = pd.DataFrame({'id': [2, 3], 'score': [88, 77]})

pd.merge(df1, df2, on='id', how='outer')

index	id	name	score
0	1	영희	NaN
1	2	철수	88.0
2	3	NaN	77.0

서로 다른 열 기준 병합 (left_on, right_on)

df1 = pd.DataFrame({'name': ['영희', '철수'], 'class_id': [1, 2]})
df2 = pd.DataFrame({'group': [1, 2], 'score': [90, 80]})

pd.merge(df1, df2, left_on='class_id', right_on='group', how='left'

📌join() — 인덱스를 기준으로 병합

기본 개념

• 인덱스(index) 를 기준으로 병합
• on 파라미터를 명시하면 열 기준으로도 가능하지만, 보통은 인덱스 기반 병합용

주요 옵션

옵션	설명
how	left, right, outer, inner (기본: left)
on	인덱스 대신 특정 열 기준으로 병합할 수도 있음
lsuffix, rsuffix	열 이름이 중복될 때 접미사 지정

인덱스 기준 병합

df1 = pd.DataFrame({'name': ['영희', '철수']}, index=['a', 'b'])
df2 = pd.DataFrame({'score': [90, 80]}, index=['a', 'c'])

df1.join(df2, how='outer')

	name	score
a	영희	90
b	철수	NaN
c	NaN	80

열을 기준으로 병합 (on 사용)

df1 = pd.DataFrame({'id': [1, 2], 'name': ['영희', '철수']})
df2 = pd.DataFrame({'id': [1, 2], 'score': [90, 88]})

df1.set_index('id').join(df2.set_index('id'))

id	name	score
1	영희	90
2	철수	88

➡️merge 랑 join의 차이점

상황	추천 메서드	이유
열 기준 병합	merge()	SQL처럼 열을 키로 지정 가능
인덱스 기준 병합	join()	더 간단하고 직관적
서로 다른 기준 열	merge()	left_on, right_on 등 유연하게 사용 가능
여러 조건으로 병합	merge()	다중 key 지원 (on=['a','b'])