Merge通过键拼接列
pandas提供了一个类似于关系数据库的连接（join）操作的方法<Strong>merge</Strong>，可以根据一个或多个键将不同的DataFrame中的行连接起来
语法为：
Merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)用于通过一个或多个键将两个数据集的行连接起来，类似于SQL的JOIN。该函数的典型应用场景是，针对同一个主键存在两张包含不同字段的表，现在我们想把他们整合到一张表中。在此典型情况下，结果集的行数并没有增加，列数则为两个元数据的列数和减去连接键的数量。
参数说明：
left与right: 两个不同的DataFrame
how: 指的是合并（连接）的方式有inner（内连接）、left（左外连接）、right（右外连接）、outer（全外连接）；默认为inner
on: 用于连接两个DataFrame的列索引名称。必须存在这两个数据库对象中，如果没有指定且其他参数也未指定，则以两个DataFrame的列名交集作为连接键。
left_on: left这个DataFrame中用作连接键的列名。
right_on: right这个DataFrame中用作连接键的列名。
left_index: 使用左边left这个DataFrame中的行索引作为连接键
right_index: 使用右边right这个DataFrame中的行索引作为连接键
sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能。
suffies：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列后面附加的后缀名称，默认为（'_x', '_y'）
copy: 默认为True，总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能。
indicator: 显示数据来源情况；如只来自于左边（left_only)
df1 = pd.DataFrame({'key': ['a', 'b', 'b','d'], 'data1':range(4)})
df2 = pd.DataFrame({'key': ['a', 'b', 'c','d'], 'data2':range(4)})
pd.merge(df1, df2) # 没有指定连接键，默认用重叠列名，没有指定连接方式
Out[18]:
data1 key data2
0 0 a 0
1 1 b 1
2 2 b 1
3 3 d 3
pd.merge(df2, df1)
Out[19]:
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2
3 3 d 3pd.merge(df2, df1, how='left') # 通过how，指定连接方式
Out[20]:
data2 key data1
0 0 a 0.0
1 1 b 1.0
2 1 b 2.0
3 2 c NaN
4 3 d 3.0right = pd.DataFrame({'key1':['foo', 'foo', 'bar', 'bar'],
'key2':['one','one','one','two'],
'lval':[4, 5, 6, 7]})
left = pd.DataFrame({'key1':['foo', 'foo', 'bar'],
'key2':['one','two','one'],
'lval':[1, 2, 3]})pd.merge(left, right, on = ['key1', 'key2'], how = 'outer') # 多对多，连接产生的行的笛卡尔积，相当于数据库中的全连接
Out[24]:
key1 key2 lval_x lval_y
0 foo one 1.0 4.0
1 foo one 1.0 5.0
2 foo two 2.0 NaN
3 bar one 3.0 6.0
4 bar two NaN 7.0join
列拼接，主要用于索引上的合并
join方法提供了一个简便的方法用于将两个DataFrame中的不同的列索引合并成为一个DataFrame
join（self，other，on=None，how='left', lsuffix='', sort=False）其中参数的意义与merge方法基本相同，只是join方法默认为左外连接how=left，通过lsuffix='', rsuffix=''区分相同列名的列