又发现了pandas包里面的一个好用的函数——merge函数！！！！！！！
【描述】
merge函数类似于mysql等数据库语言中的join函数，可以实现对两个DataFrame的条件合并。
【准备】
import pandas as pd
import numpy as np【语法】
（1）当两个DataFrame的关联列名称相同时：
merge(DataFrame_A,DataFrame_B,on = [],how = [],...)DataFrame_A和DataFrame_B就是要合并的两个DataFrame，on代表以哪个key作为合并条件，当然可以取多个关联列，此时 可以以list的形式为on赋值（例如 on = [student_id,student_name]时，那么两个表中相同student_id和student_name的数据就会合并成一行哈，不严谨，但是可以这么理解~~），how代表那种连接方式（可选择left，right，outer，默认为inner），当然还有其他参数，但这三个是最关键的！
（2）当两个DataFrame的关联列名称不同时：
merge(DataFrame_A,DataFrame_B,left_on = [],right_on = [] ,how = [],...)
区别在于on被分开为left_on和right_on，用来标识两个DataFrame的关联列。其他不变
（3）当两个DataFrame的非关联列存在名称重复时：
可以在merge函数中添加参数：suffixes = ('_left','_right') 来区别标识（注：'_left','_right'属于个人设置，可以更改）
【举例】
创建测试数据集：
data_1 = pd.DataFrame({'id':[1,2,3],'b':['张三','李四','王五'],'d':['male','male','female']})
data_2 = pd.DataFrame({'student_id':[1,1,2,2,3,3],'b':['一班','一班','二班','二班','三班','三班'],'c':['上','下','上','下','上','下'],'math':[99,100,99,98,99,100]})
使用merge函数合并上述两个数据框：
data=pd.merge(data_1,data_2,left_on = 'id',right_on = 'student_id',how = 'left',suffixes = ('_left','_right') )
data