DataFrame.merge(self, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None) → 'DataFrame' [source]
用数据库样式的联接合并DataFrame或命名的Series对象。
联接在列或索引上完成。如果在列上连接列，则DataFrame索引将被忽略。否则，如果在索引上连接索引或在一个或多个列上建立索引，则将传递索引。
参数： | right ： 要合并的对象。 how： 默认 要执行的合并类型。 1) left：仅使用左框架中的键， 类似于SQL左外部联接；保留关键顺序 2) right：仅使用右框架中的键， 类似于SQL右外部联接；保留关键顺序 3) outer：使用两个框架中键的并集， 类似于SQL完全外部联接；按字典顺序排序键 4) inner：使用两个框架中关键点的交集， 类似于SQL内部联接；保留左键的顺序 on：label或list 要加入的列或索引级别名称。 这些必须在两个DataFrame中都可以找到。 如果on为None且未在索引上合并， 则默认为两个DataFrame中列的交集。 left_on： 要在左侧DataFrame中加入的列或索引级别名称。 也可以是左侧DataFrame长度的数组或数组列表。 这些数组被视为列。 right_on：标签或列表，或类似数组 要在右侧DataFrame中加入的列或索引级别名称。 也可以是正确DataFrame长度的数组或数组列表。 这些数组被视为列。 left_index：布尔值，默认为 使用左侧DataFrame中的索引作为连接键。 如果它是MultiIndex， 则另一个DataFrame中的键数（索引或列数） 必须与级别数匹配 right_index：布尔值，默认为 使用右侧DataFrame中的索引作为连接键。 与left_index相同的警告 sort：布尔值，默认为 在结果DataFrame中按字典顺序对联接键进行排序。 如果为 （how关键字） suffixes：2个长度的序列（元组，列表等） suffixes分别应用于左侧和右侧的重叠列名 copy：布尔值，默认为 如果为 indicator：布尔值或字符串，默认为 如果为 称为 如果为字符串，则将在每一行的源上带有信息的列, 添加到输出DataFrame中， 并将该列命名为字符串的值。信息列是分类类型的， 对于其合并键仅出现在 其值为
如果两者中都存在观察值的合并键。 validate：字符串，默认为 如果指定，则检查合并是否为指定的类型。
检查合并键在左右数据集中是否唯一。
检查合并键在左数据集中是否唯一。
检查合并键在正确的数据集中是否唯一。
允许，但不进行检查。 0.21.0版中的新功能。 |
返回值： |
如果输出类型是DataFrame的子类， 则其输出类型将与“left”相同。 |
Notes
在版本0.23.0中添加了对将索引级别指定为on，left_on和right_on参数的支持，在版本0.24.0中添加了对合并命名系列对象的支持。
例子
1) 内连接（inner join，默认）
只保留两个表中匹配到的部分（交集）。
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'age': [24, 25, 23]
})
result = df1.merge(df2, on='id', how='inner')
print(result)2）左连接（left join）
保留左表全部数据，右表匹配上就带上，匹配不上就是 NaN。
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'age': [24, 25, 23]
})
result = df1.merge(df2, on='id', how='left')
print(result)
3）右连接（right join）
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'age': [24, 25, 23]
})
result = df1.merge(df2, on='id', how='right')
print(result)4）外连接（outer join）
保留所有数据，不匹配的填 NaN。
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'age': [24, 25, 23]
})
result = df1.merge(df2, on='id', how='outer')
print(result)
5）指定不同的键合并（left_on, right_on）
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df3 = pd.DataFrame({
'user_id': [1, 2, 4],
'age': [24, 25, 23]
})
result = df1.merge(df3, left_on='id', right_on='user_id', how='inner')
print(result)6）索引合并
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'age': [24, 25, 23]
})
df1.set_index('id', inplace=True)
df2.set_index('id', inplace=True)
result = df1.merge(df2, left_index=True, right_index=True, how='inner')
print(result)