这一节，我们的目标是想把 transaction 数据 和 transaction_detail 数据 也合并到一起。

和上一节的concat合并（数据列相同）不同，这次的两个数据集合，数据列是不同的。所以，合并时就会有下面的问题：

1. 是将两个数据集合的数据列全部合并？还是只合并必要的数据列？
2. 两个数据集合合并的连接点是哪个数据列？

 

带着上面的问题，我们还是回到刘先生的需求：如何让自己的店铺销量越来越好？

1. 显然从销量的角度，还是以更有利于分析的 transaction_detail 为主，transaction 为辅。也就是说，将 transaction_detail 中的数据列全部合并，而将 transaction 数据 中的部分数据列合并。至于选择哪些数据列，则没有要求，根据你的具体选择而定。这里我们将“payment_date”和“customer_id”合并进来。
2. 通过观察两个数据集，可以发现共同存在的数据列是“transaction_id”，所以，就以这个数据列作为连接两个数据集的纽带。

代码如下：

join_data = pd.merge(transaction_detail,transaction[["transaction_id","payment_date","customer_id"]],on="transaction_id",how="left")
join_data.head()

解释一下代码：

 

第1行：使用merge函数，将两个数据集合横向连接。

第1个参数：transactionn_detail，表示主数据集合.

第2个参数：transaction，表示副数据集合。"transaction_id","payment_date","customer_id"，表示从这个副数据集合中挑选出来的与主数据集合合并的数据列。

第3个参数：on="transaction_id"，表示两个数据集合的共同数据列，用这个数据列进行关联合并。

第4个参数：how="left"，表示连接方式是“left join”方式。

 

第2行：使用head()函数，将 join_data 变量的前5行显示出来。

 

这里介绍一下数据集合的连接方式，如下图所示。

关于这4种连接方式的介绍，如下表所示：

连接方式	作用
Inner join	只将两个数据集中，共同的数据部分连接起来。
Outer join	将两个数据全部连接起来。
Right join	将右侧的数据完全连接，左侧数据中，共同的数据部分会连接。
Left join	将左侧的数据完全连接，右侧数据中，共同的数据部分会连接。

 

接下来，点击"运行"，执行效果如下图所示。

从执行结果来看，join_data的数据集合中，已经多出来“payment_date”数据列和“customer_id”数据列。

接下来，我们检验一下join_data的数据量，也就是行数。代码如下：

print(len(transaction_detail))
print(len(transaction))
print(len(join_data))

点击"运行"，执行效果如下图所示。

可以发现，join_data 和 transaction_detail 的数据量都是7144，说明现在是以transaction_detail 为主数据集合。

---

按照同样的方法，我们再将 join_data和customer_master，item_master，进行left join 连接。

代码如下：

join_data = pd.merge(join_data,customer_master,on="customer_id",how="left")
join_data = pd.merge(join_data,item_master,on="item_id",how="left")
join_data.head()

点击"运行"，执行效果如下图所示。

 

到此，我们就把分散的数据，全部都合并在一起了，接下来就可以分析了！

---

此处为语雀文档，点击链接查看：https://www.yuque.com/codeclub/yvmeco/friz9v