数据集的合并或连接运算是通过一个或多个键将行链接起来的。这些运算是关系型数据库的核心。pandas的merge函数是对数据应用这些算法的这样切入点。
列名不同可以分别指定：
其他方式还要‘left’、‘right’以及“outer”。外链接求取的是键的并集， 组合了左连接和右连接的效果。
多对多 连接产生的行的笛卡尔积。由于左边的DataFrame有3个‘b’行， 右边的有2个，所以最终结果中
就有6个‘b’行。
根据多个键进行合并， 传入一个由列明组成的列表即可：
left = DataFrame( {"key1": [‘foo‘, ‘foo‘, ‘bar‘], "key2": [‘one‘, ‘two‘, ‘one‘], "lval": [1, 2, 3] } ) right = DataFrame( {"key1": [‘foo‘, ‘foo‘, ‘bar‘, ‘bar‘], "key2": [‘one‘, ‘one‘, ‘one‘, ‘two‘], "rval": [4, 5, 6, 7] } ) print(left) print(right) pm = pd.merge(left, right, on=["key1", "key2"], how="outer") print(pm)
这个时候必须以列表的形式指明用作合并键的多个列（注意对重复索引的处理）
lefth = DataFrame({‘key1‘:[ ‘Ohio‘, ‘Ohio‘, ‘Ohio‘,‘Nevada‘, ‘Nevada‘,],
"key2":[2000, 2001, 2002,2001, 2002],
"data":np.arange(5.)
})
righth = DataFrame(np.arange(12).reshape((6, 2)),
index=[[‘Nevada‘, ‘Nevada‘, ‘Ohio‘, ‘Ohio‘, ‘Ohio‘, ‘Ohio‘],
[2001, 2000, 2000, 2000, 2001, 2002]],
columns=[‘event1‘, ‘event2‘]
)
print(lefth)
print(righth)
pm = pd.merge(lefth, righth,left_on=[‘key1‘, ‘key2‘], right_index=True)
print(pm)
它能更为方便地实现索引合并。它还可用于和合并多个带有相同或相似索引的DataFrame对象， 而不管他们
之间有重叠的列。
print(left1.join(right1, how=‘inner‘))
left2.join([1, 2], how=‘outer‘) #多个
原文：http://www.cnblogs.com/renfanzi/p/6480058.html