Bỏ qua đến nội dung chính
Mục lục

merge() trong pandas: inner, left, outer (DataFrame merge)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/13 · Chương 7

Ghép và đổi hình bảng

  • 8 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phương thức merge() ghép hai DataFrame theo một cột khóa chung (DataFrame merge): mỗi dòng của bảng này được nối với các dòng của bảng kia có cùng giá trị khóa. Bạn cần nó khi bảng đơn chỉ ghi mã khách mà báo cáo lại cần tên và chi nhánh của khách, đúng việc hàm VLOOKUP làm trong Excel.

Cần biết trước: concat(), chọn cột và DataFrame.

Ghép hai bảng theo một cột khóa

concat() xếp các bảng cùng cột chồng lên nhau. Khi hai bảng mô tả hai thứ khác nhau, như đơn hàng và khách hàng, bạn cần đặt chúng cạnh nhau theo một cột cả hai cùng có. Cột đó gọi là khóa (key), và tham số on= nêu tên nó:

python
import pandas as pd

don = pd.DataFrame({
    "ma_don": ["DH1024", "DH1025", "DH1026", "DH1027", "DH1028"],
    "ma_kh": [101, 105, 101, 102, 101],
    "tong_tien": [96000, 64000, 145000, 58000, 72000]})
khach = pd.DataFrame({"ma_kh": [101, 102, 103, 104],
                      "ten": ["Lan", "Minh", "Ngọc", "Phúc"],
                      "chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội",
                                    "Vinh"]})
ghep = don.merge(khach, on="ma_kh")
print(ghep)

KẾT QUẢ

   ma_don  ma_kh  tong_tien   ten chi_nhanh
0  DH1024    101      96000   Lan       Huế
1  DH1026    101     145000   Lan       Huế
2  DH1027    102      58000  Minh    Đà Lạt
3  DH1028    101      72000   Lan       Huế

Bảng gọi merge() là bảng trái, bảng truyền vào là bảng phải. Kết quả có các cột của bảng trái, rồi các cột còn lại của bảng phải; cột khóa chỉ xuất hiện một lần. Mã 101 xuất hiện ở ba dòng của bảng đơn, nên mỗi dòng đó nhận một bản tên Lan và chi nhánh Huế.

Bảng kết quả chỉ có bốn dòng dù don có năm đơn. Đơn DH1025 của mã 105 biến mất vì bảng khách không có mã đó; hai khách 103 và 104 chưa có đơn nào nên cũng không hiện. Đó là cách ghép mặc định, how="inner": chỉ giữ khóa có ở cả hai bảng.

Chọn dòng giữ lại bằng how

Tham số how= quyết định số phận của khóa chỉ có ở một bên. how="left" giữ trọn bảng trái theo đúng thứ tự cũ; dòng không tìm thấy bên phải có ô trống NaN:

python
import pandas as pd

don = pd.DataFrame({
    "ma_don": ["DH1024", "DH1025", "DH1026", "DH1027", "DH1028"],
    "ma_kh": [101, 105, 101, 102, 101],
    "tong_tien": [96000, 64000, 145000, 58000, 72000]})
khach = pd.DataFrame({"ma_kh": [101, 102, 103, 104],
                      "ten": ["Lan", "Minh", "Ngọc", "Phúc"],
                      "chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội",
                                    "Vinh"]})
ghep = don.merge(khach, on="ma_kh", how="left")
print(ghep)

KẾT QUẢ

   ma_don  ma_kh  tong_tien   ten chi_nhanh
0  DH1024    101      96000   Lan       Huế
1  DH1025    105      64000   NaN       NaN
2  DH1026    101     145000   Lan       Huế
3  DH1027    102      58000  Minh    Đà Lạt
4  DH1028    101      72000   Lan       Huế

Đủ năm đơn, và đơn DH1025 lộ ra là đơn chưa biết của khách nào. Kiểu này hợp với câu hỏi "gắn tên khách vào từng đơn, không bỏ đơn nào", tức left join (pandas left join) của SQL. Đổi how="left" thành how="outer" rồi chạy lại: bảng có bảy dòng, hai dòng thêm vào là Ngọc và Phúc với ma_don trống.

how="right" làm điều ngược lại: giữ trọn bảng phải, thứ tự theo bảng phải. how="outer" giữ cả hai phía:

python
import pandas as pd

don = pd.DataFrame({
    "ma_don": ["DH1024", "DH1025", "DH1026", "DH1027", "DH1028"],
    "ma_kh": [101, 105, 101, 102, 101]})
khach = pd.DataFrame({"ma_kh": [101, 102, 103, 104],
                      "ten": ["Lan", "Minh", "Ngọc", "Phúc"]})
print(don.merge(khach, on="ma_kh", how="right"))
print(don.merge(khach, on="ma_kh", how="outer"))

KẾT QUẢ

   ma_don  ma_kh   ten
0  DH1024    101   Lan
1  DH1026    101   Lan
2  DH1028    101   Lan
3  DH1027    102  Minh
4     NaN    103  Ngọc
5     NaN    104  Phúc
   ma_don  ma_kh   ten
0  DH1024    101   Lan
1  DH1026    101   Lan
2  DH1028    101   Lan
3  DH1027    102  Minh
4     NaN    103  Ngọc
5     NaN    104  Phúc
6  DH1025    105   NaN

Bảng right có hai khách chưa mua gì, Ngọc và Phúc. Bảng outer có thêm đơn DH1025 ở dòng cuối. Nhìn cột ma_kh của nó: 101, 101, 101, 102, …, 105. Thứ tự đơn trong bảng don không còn; các dòng đi theo mã khách từ nhỏ tới lớn, nên ba đơn của Lan dồn lên đầu và đơn mồ côi của mã 105 xuống cuối. Câu hỏi chọn kiểu ghép: cần đơn biết chắc khách thì inner, cần đủ đơn thì left, cần đủ khách thì right (khi bảng khách ở bên phải), cần soát cả hai phía thì outer.

merge thay cho VLOOKUP

Trong Excel, bạn gõ VLOOKUP ở một ô rồi kéo xuống để tra giá của từng mã. merge(how="left") làm cùng việc cho cả cột một lần, và lấy được nhiều cột cùng lúc. Giỏ hàng dưới đây chỉ có mã sản phẩm và số lượng; tên và giá tra từ san_pham.csv của bộ dữ liệu thực hành:

python
import pandas as pd

cot = ["ma_sp", "ten_sp", "gia_ban"]
sp = pd.read_csv("san_pham.csv", usecols=cot)
gio = pd.DataFrame({"ma_sp": [3, 45, 12], "so_luong": [2, 1, 5]})
print(gio.merge(sp, on="ma_sp", how="left"))

KẾT QUẢ

   ma_sp  so_luong                       ten_sp  gia_ban
0      3         2  Cà phê phin giấy hộp 10 gói    85000
1     45         1         Bìa hồ sơ nhựa bộ 10    35000
2     12         5       Bộ ấm chén gốm men lam   450000

usecols chỉ đọc ba cột cần tra, nên kết quả không kéo theo giá vốn, tồn kho hay ngày ra mắt. Bảng đã đọc rồi thì chọn cột trước khi ghép, như kh[["ma_kh", "tinh"]] ở ví dụ sau, với khach_hang.csv:

python
import pandas as pd

kh = pd.read_csv("khach_hang.csv")
don = pd.DataFrame({"ma_don": ["DH1024", "DH1025", "DH1026"],
                    "ma_kh": ["KH0003", "KH0001", "KH0002"]})
print(don.merge(kh[["ma_kh", "tinh"]], on="ma_kh", how="left"))

KẾT QUẢ

   ma_don   ma_kh     tinh
0  DH1024  KH0003   Hà Nội
1  DH1025  KH0001   Hà Nội
2  DH1026  KH0002  Cần Thơ

Khác VLOOKUP ở một chỗ: khi mã lặp lại trong bảng tra, VLOOKUP lấy dòng khớp đầu tiên, còn merge() nhân thêm dòng. Bài merge bị tăng số dòng chỉ cách bắt lỗi đó. Bài Blog merge, join và concat trong pandas đặt ba cách ghép cạnh nhau cho người muốn xem tổng quan.

Kiểm tra nhanh

  1. Trong ví dụ ghép đơn với khách ở mục how, kiểu nào cho kết quả có dòng của khách Ngọc?

    • how="inner" và how="left"
    • how="right" và how="outer"
    • Chỉ how="outer"
  2. Sau import pandas as pd, a = pd.DataFrame({"k": [1, 1, 2]}) và b = pd.DataFrame({"k": [1, 3], "v": [5, 6]}), len(a.merge(b, on="k", how="outer")) bằng bao nhiêu?

    • 3
    • 4
    • 5
  3. Bạn cần báo cáo doanh thu của tất cả đơn, kể cả đơn có mã khách chưa có trong bảng khách. Những lệnh nào giữ đủ các đơn?

    • don.merge(khach, on="ma_kh", how="left")
    • don.merge(khach, on="ma_kh")
    • khach.merge(don, on="ma_kh", how="right")
    • don.merge(khach, on="ma_kh", how="inner")
  4. Lệnh gio.merge(sp[["ten_sp", "gia_ban"]], on="ma_sp") dừng với lỗi nào?

    • Báo lỗi ValueError, vì hai bảng khác số dòng
    • Báo lỗi KeyError, vì bảng phải không còn cột ma_sp
    • Báo lỗi TypeError, vì on= cần một list
Đúng hết lần đầu +15 XP

Bài tập

Tính học phí của các khóa đang mở

Trung tâm có bảng dang_ky (cột ma_hv, ma_khoa) và bảng khoa_mo (cột ma_khoa, ten_khoa, hoc_phi, có thể thêm cột khác) liệt kê các khóa đang mở. Viết thân hàm hoc_phi_khoa_mo(dang_ky, khoa_mo):

  • chỉ giữ lượt đăng ký có khóa nằm trong khoa_mo;

  • kết quả có đúng ba cột ma_hv, ten_khoa, hoc_phi, theo thứ tự đó.

Dòng theo thứ tự của dang_ky, index mặc định 0, 1, 2…. Hàm không sửa hai bảng của nơi gọi.

Trả về: các lượt đăng ký của khóa đang mở, một DataFrame.

python
import pandas as pd

def hoc_phi_khoa_mo(dang_ky, khoa_mo):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • trai.merge(phai, on="khoa") ghép hai bảng theo cột khóa chung; cột khóa chỉ còn một lần trong kết quả.

  • Không ghi how là how="inner": chỉ giữ khóa có ở cả hai bảng, dòng không khớp bị bỏ không báo.

  • how="left" giữ trọn bảng trái theo thứ tự cũ, how="right" giữ trọn bảng phải, how="outer" giữ tất cả.

  • Ô không tìm thấy bên kia là NaN; in len() trước và sau khi ghép để thấy dòng mất.

  • merge(how="left") làm việc VLOOKUP cho cả cột; chọn cột của bảng tra trước, nhớ giữ cột khóa.

Câu hỏi thường gặp

Làm sao merge 2 DataFrame theo nhiều cột khóa?

Truyền một list tên cột cho on=, ví dụ on=["chi_nhanh", "thang"]: hai dòng chỉ khớp khi mọi cột trong list đều bằng nhau. Cách dùng how= giữ nguyên như bài này. Khi hai bảng đặt tên khóa khác nhau, xem bài merge left_on, right_on.

Làm VLOOKUP trong pandas thế nào khi bảng tra có mã lặp?

merge() không lấy dòng đầu như VLOOKUP mà nhân thêm dòng, nên số dòng tăng. Bỏ dòng lặp của bảng tra trước khi ghép, và ghi validate="many_to_one" để pandas dừng ngay khi còn mã lặp, như bài merge bị tăng số dòng.

merge() khác concat() ở chỗ nào?

concat() xếp các bảng cùng cột nối tiếp nhau, không nhìn giá trị của ô nào. merge() đặt hai bảng khác cột cạnh nhau, dòng nào đi với dòng nào do giá trị của cột khóa quyết định. Gộp sáu tháng đơn hàng là việc của concat(), gắn tên khách vào đơn là việc của merge().

Làm sao biết dòng nào không khớp khi merge?

Ghi indicator=True để pandas thêm cột _merge cho biết mỗi dòng đến từ bảng nào, rồi lọc các dòng left_only. Bài anti join dùng cách này để tìm đơn có mã khách không tồn tại.

Chủ đề

dataframe merge

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập