类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。
该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。
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)
参数介绍：
left和right：两个不同的DataFrame；
how：连接方式，有inner、left、right、outer，默认为inner；
on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；
left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有用；
right_on：右侧DataFrame中用于连接键的列名；
left_index：使用左侧DataFrame中的行索引作为连接键；
right_index：使用右侧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，设置为False可以提高性能；
suffixes：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名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，设置为False可以提高性能；
indicator：显示合并数据中数据的来源情况
案例1
import pandas as pd import numpy as np random = np.random.RandomState(0) #随机数种子，相同种子下每次运行生成的随机数相同 df1=pd.DataFrame(random.randn(3,4),columns=[‘a‘,‘b‘,‘c‘,‘d‘]) df1
random = np.random.RandomState(0) df2=pd.DataFrame(random.randn(2,3),columns=[‘b‘,‘d‘,‘a‘],index=["a1","a2"]) df2
pd.merge(df1,df2)
pd.merge(df1,df2,how="outer")
案例2 默认按相同的列名键join
df3=pd.DataFrame({‘key‘:[‘a‘,‘b‘,‘b‘],‘data1‘:range(3)})
df3
df4=pd.DataFrame({‘key‘:[‘a‘,‘b‘,‘c‘],‘data2‘:range(3)})
df4
pd.merge(df3,df4)
案例三
df1 = pd.DataFrame({‘lkey‘: [‘foo‘, ‘bar‘, ‘baz‘, ‘foo‘],
‘value‘: [1, 2, 3, 5]})
df1
df2 = pd.DataFrame({‘rkey‘: [‘foo‘, ‘bar‘, ‘baz‘, ‘foo‘],
‘value‘: [5, 6, 7, 8]})
df2
df1.merge(df2)
Merge df1 and df2 on the lkey and rkey columns. The value columns have the default suffixes, _x and _y,
df1.merge(df2,left_on="lkey",right_on="rkey")
>>> df1.merge(df2, left_on=‘lkey‘, right_on=‘rkey‘, suffixes=(False, False)) Traceback (most recent call last): ... ValueError: columns overlap but no suffix specified: Index([‘value‘], dtype=‘object‘)
Pandas中DataFrame数据合并、连接（concat、merge、join）之merge
原文：https://www.cnblogs.com/wqbin/p/10363679.html