一、简介
python中pandas的DataFrame是数据分析中常用的数据结构之一，通常从外部文件中导入的文件都是存储为DataFrame格式的，因此掌握DataFrame的相关操作有助于快速准确的进行后续的数据分析，本节主要介绍DataFrame的合并过程，主要参考了《利用python进行数据分析》这本书。
二、DataFrame合并
其实可以将python的DataFrame类型的一个数据看出一个SQL中的数据表，DataFrame的合并其实就有SQL中的表关联是完全相似的，其会有内连接、外链接、左连接和右连接之类的分类。下面分别从完全相同的DataFrame合并及按照指定列进行合并两个方面介绍。
（一）完全相同的DataFrame的合并
这里面所说的完全相同是指两个DataFrame的所有的列名完全相同，当然列名不同也是能合并的，具体解释如下图的程序所示：
首先定义三个不同的DataFrame：
Python Code
|
1
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
from pandas import Series,DataFrame import pandas as pd data1 = {'state':['ohio','ohio'], 'year':[2000,2001]} data2 = {'state':['Nevada','Nevada'], 'year':[2001,2002]} frame1 = DataFrame(data1,columns=['state','year']) frame2 = DataFrame(data2,columns=['state','year'],index=['one','two']) frame3 = DataFrame(data1,columns=['state','year1']) print(frame1) print('--------------------------') print(frame2) print('--------------------------') print(frame3) |
三个DataFrame中的内容分别如下图所示：
通过合并DataFrame可以得到如下图所示的结果：
其中frame1和frame2的有完全相同的列名，因此合并后的结果merge1还是有两个列；而frame1和frame3只有一个列名相同，因此合并的结果是保留共同的列在加上各自所有的列名，故结果为三列数据了。
由上面的解释我们同时能够得到append方法的另外一个功能就是可以给DataFrame方法添加列。
（二）按照指定列DataFrame的合并（merge）
按照指定列合并DataFrame就相当于SQL中不同表之间按照不同的字段进行join操作一样，DataFrame中的合并主要用merge函数，下面首先解释一下merge函数的主要用法及参数：
pd.merge(df1,df2)
主要参数介绍：
left：参与合并的左边的DataFrame（相当于SQL的join中的左表）；
right：参数合并的右边的DataFrame（相当于SQL的join中的右表）；
how：为合并的方式，分别为'inner','outer','left','right'，默认为'inner'（相当于SQl中表连接的内连接、外链接、左链接和右连接）；
on：两个DataFrame用户连接的列名，必须同时存在于两个DataFrame中，如果未指定则为两个表的交集作为连接键；
left_on：左表用于连接的列（主要用户两个DataFrame不存在相同的列名时）；
right_on：右表用于连接的列；
left_index：将左边的DataFrame的索引作为连接键；
right_index：将右边的DataFrame的索引作为连接键；
sort：根据连接键对合并的结果进行排序；
suffixes：字符串的元组，用于追加于重叠列名的末尾，默认为（_x,_y）