DEVLOG · tech study series

2026-09-01

Python - pandas 10. 결합 (concat·merge·join)

Pythonpandasmerge-joinconcatenatesql-join

핵심 요약
1. concat — 쌓기
2. merge — 키 기준 조인
- how — SQL JOIN 대응
- 사고 예방 옵션
3. join — 인덱스 기준 편의 메서드
4. merge_asof — 시계열 근접 조인
5. combine_first / update — 보충 병합

핵심 요약

표를 합치는 방법은 3가지입니다.

concat: 위/아래(또는 옆) 로 쌓기 (같은 스키마 이어 붙이기).
merge: 공통 키(열) 기준 관계형 조인 (SQL JOIN).
join: merge의 편의 버전으로 인덱스 기준 결합에 최적.merge에서 사고를 예방하는 핵심 옵션은 how, validate, indicator, suffixes 입니다.

python

import pandas as pd

1. `concat` — 쌓기

python

pd.concat([df_jan, df_feb, df_mar], ignore_index=True)     # 세로로 이어 붙이기
pd.concat([df_a, df_b], axis=1)                            # 가로로 (인덱스 정렬)
pd.concat([df1, df2], keys=["2025", "2026"])               # 출처 레이블 → MultiIndex
pd.concat([df_a, df_b], join="inner")                      # 공통 열만

기본은 axis=0(세로), join="outer"(합집합 열, 없는 값 NaN).
ignore_index=True로 인덱스를 0부터 재부여 (안 하면 인덱스 중복).

💡 이럴 때: 월별/일별로 나뉜 같은 형식의 파일을 하나로 합칠 때. keys로 원본 구분자를 남기면 나중에 출처별 집계가 쉽습니다.

2. `merge` — 키 기준 조인

python

pd.merge(orders, customers, on="customer_id", how="left")
pd.merge(orders, customers, left_on="cust_id", right_on="id", how="left")
pd.merge(a, b, left_index=True, right_index=True)          # 인덱스끼리

`how` — SQL JOIN 대응

`how`	의미	SQL
`inner` (기본)	양쪽에 다 있는 키만	`INNER JOIN`
`left`	왼쪽 전부 + 매칭되는 오른쪽	`LEFT JOIN`
`right`	오른쪽 전부	`RIGHT JOIN`
`outer`	양쪽 합집합	`FULL OUTER JOIN`
`cross`	데카르트 곱	`CROSS JOIN`

사고 예방 옵션

python

pd.merge(
    orders, customers,
    on="customer_id",
    how="left",
    validate="many_to_one",   # 관계 검증: 아니면 MergeError
    indicator=True,           # _merge 열: 'both'/'left_only'/'right_only'
    suffixes=("_ord", "_cust"),  # 겹치는 열 이름 접미사
)

validate: "one_to_one", "one_to_many", "many_to_one", "many_to_many". 키가 예상과 달리 중복이면 행이 폭증하는데, 이걸 조기에 잡아 줍니다.
indicator: 조인 후 매칭 안 된 행이 얼마나 되는지 _merge.value_counts()로 점검.

💡 이럴 때: merge 후 행 수가 갑자기 늘었다면 오른쪽 키에 중복이 있는 것입니다. validate="many_to_one"을 걸어 원인을 명확히 합니다.

💡 이럴 때: left 조인 후 indicator로 left_only 비율을 확인해 "매칭 실패(마스터에 없는 코드)"를 조기에 발견합니다.

3. `join` — 인덱스 기준 편의 메서드

python

orders.set_index("customer_id").join(customers.set_index("customer_id"), how="left")
df.join([df2, df3])          # 여러 개를 인덱스로 한 번에

df.join(other)는 기본적으로 df의 인덱스와 other의 인덱스를 맞춥니다. 열 기준이면 merge가 더 명확합니다.

4. `merge_asof` — 시계열 근접 조인

python

pd.merge_asof(
    trades.sort_values("time"),
    quotes.sort_values("time"),
    on="time",
    by="symbol",
    direction="backward",       # 각 trade 시각 이전의 가장 가까운 quote
    tolerance=pd.Timedelta("2s"),
)

정확히 일치하는 키가 아니라 "가장 가까운 이전/이후 시각"으로 붙입니다. 거래 체결가에 직전 호가 붙이기, 로그에 직전 배포 버전 붙이기 등.

💡 이럴 때: 두 시계열의 타임스탬프가 정확히 일치하지 않을 때(센서 A는 1초, 센서 B는 1.3초). 양쪽 모두 정렬돼 있어야 합니다.

5. `combine_first` / `update` — 보충 병합

python

primary.combine_first(backup)     # primary의 결측을 backup 값으로 메움
primary.update(patch)             # patch의 non-NaN 값으로 primary를 덮어씀(in-place)

DISCUSSION

GitHub 계정으로 의견이나 질문을 남길 수 있습니다.

댓글 불러오는 중

페이지 불러오는 중

← 목록으로

DEVLOG · tech study series

2026-09-01

Python - pandas 10. 결합 (concat·merge·join)

Pythonpandasmerge-joinconcatenatesql-join

핵심 요약
1. concat — 쌓기
2. merge — 키 기준 조인
- how — SQL JOIN 대응
- 사고 예방 옵션
3. join — 인덱스 기준 편의 메서드
4. merge_asof — 시계열 근접 조인
5. combine_first / update — 보충 병합

핵심 요약

표를 합치는 방법은 3가지입니다.

concat: 위/아래(또는 옆) 로 쌓기 (같은 스키마 이어 붙이기).
merge: 공통 키(열) 기준 관계형 조인 (SQL JOIN).
join: merge의 편의 버전으로 인덱스 기준 결합에 최적.merge에서 사고를 예방하는 핵심 옵션은 how, validate, indicator, suffixes 입니다.

python

import pandas as pd

1. `concat` — 쌓기

python

pd.concat([df_jan, df_feb, df_mar], ignore_index=True)     # 세로로 이어 붙이기
pd.concat([df_a, df_b], axis=1)                            # 가로로 (인덱스 정렬)
pd.concat([df1, df2], keys=["2025", "2026"])               # 출처 레이블 → MultiIndex
pd.concat([df_a, df_b], join="inner")                      # 공통 열만

기본은 axis=0(세로), join="outer"(합집합 열, 없는 값 NaN).
ignore_index=True로 인덱스를 0부터 재부여 (안 하면 인덱스 중복).

💡 이럴 때: 월별/일별로 나뉜 같은 형식의 파일을 하나로 합칠 때. keys로 원본 구분자를 남기면 나중에 출처별 집계가 쉽습니다.

2. `merge` — 키 기준 조인

python

pd.merge(orders, customers, on="customer_id", how="left")
pd.merge(orders, customers, left_on="cust_id", right_on="id", how="left")
pd.merge(a, b, left_index=True, right_index=True)          # 인덱스끼리

`how` — SQL JOIN 대응

`how`	의미	SQL
`inner` (기본)	양쪽에 다 있는 키만	`INNER JOIN`
`left`	왼쪽 전부 + 매칭되는 오른쪽	`LEFT JOIN`
`right`	오른쪽 전부	`RIGHT JOIN`
`outer`	양쪽 합집합	`FULL OUTER JOIN`
`cross`	데카르트 곱	`CROSS JOIN`

사고 예방 옵션

python

pd.merge(
    orders, customers,
    on="customer_id",
    how="left",
    validate="many_to_one",   # 관계 검증: 아니면 MergeError
    indicator=True,           # _merge 열: 'both'/'left_only'/'right_only'
    suffixes=("_ord", "_cust"),  # 겹치는 열 이름 접미사
)

validate: "one_to_one", "one_to_many", "many_to_one", "many_to_many". 키가 예상과 달리 중복이면 행이 폭증하는데, 이걸 조기에 잡아 줍니다.
indicator: 조인 후 매칭 안 된 행이 얼마나 되는지 _merge.value_counts()로 점검.

💡 이럴 때: merge 후 행 수가 갑자기 늘었다면 오른쪽 키에 중복이 있는 것입니다. validate="many_to_one"을 걸어 원인을 명확히 합니다.

💡 이럴 때: left 조인 후 indicator로 left_only 비율을 확인해 "매칭 실패(마스터에 없는 코드)"를 조기에 발견합니다.

3. `join` — 인덱스 기준 편의 메서드

python

orders.set_index("customer_id").join(customers.set_index("customer_id"), how="left")
df.join([df2, df3])          # 여러 개를 인덱스로 한 번에

df.join(other)는 기본적으로 df의 인덱스와 other의 인덱스를 맞춥니다. 열 기준이면 merge가 더 명확합니다.

4. `merge_asof` — 시계열 근접 조인

python

pd.merge_asof(
    trades.sort_values("time"),
    quotes.sort_values("time"),
    on="time",
    by="symbol",
    direction="backward",       # 각 trade 시각 이전의 가장 가까운 quote
    tolerance=pd.Timedelta("2s"),
)

정확히 일치하는 키가 아니라 "가장 가까운 이전/이후 시각"으로 붙입니다. 거래 체결가에 직전 호가 붙이기, 로그에 직전 배포 버전 붙이기 등.

💡 이럴 때: 두 시계열의 타임스탬프가 정확히 일치하지 않을 때(센서 A는 1초, 센서 B는 1.3초). 양쪽 모두 정렬돼 있어야 합니다.

5. `combine_first` / `update` — 보충 병합

python

primary.combine_first(backup)     # primary의 결측을 backup 값으로 메움
primary.update(patch)             # patch의 non-NaN 값으로 primary를 덮어씀(in-place)

DISCUSSION

GitHub 계정으로 의견이나 질문을 남길 수 있습니다.

댓글 불러오는 중

키워드 연관 추천

핵심 요약

1. concat — 쌓기

2. merge — 키 기준 조인

how — SQL JOIN 대응

사고 예방 옵션

3. join — 인덱스 기준 편의 메서드

4. merge_asof — 시계열 근접 조인

5. combine_first / update — 보충 병합

댓글

키워드 연관 추천

핵심 요약

1. concat — 쌓기

2. merge — 키 기준 조인

how — SQL JOIN 대응

사고 예방 옵션

3. join — 인덱스 기준 편의 메서드

4. merge_asof — 시계열 근접 조인

5. combine_first / update — 보충 병합

댓글

1. `concat` — 쌓기

2. `merge` — 키 기준 조인

`how` — SQL JOIN 대응

3. `join` — 인덱스 기준 편의 메서드

4. `merge_asof` — 시계열 근접 조인

5. `combine_first` / `update` — 보충 병합

1. `concat` — 쌓기

2. `merge` — 키 기준 조인

`how` — SQL JOIN 대응

3. `join` — 인덱스 기준 편의 메서드

4. `merge_asof` — 시계열 근접 조인

5. `combine_first` / `update` — 보충 병합