😎 作者介绍：我是程序员洲洲，一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主。

🤓 同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0到1系列文章。

🌼 同时洲洲已经建立了程序员技术交流群，如果您感兴趣，可以私信我加入社群，可以直接vx联系（文末有名片）v：bdizztt

🖥 随时欢迎您跟我沟通，一起交流，一起成长、进步！点此也可获得联系方式~

本文目录

前言一、pd.merge()函数简介二、代码场景示例示例1：基于单个键的内连接示例2：基于多个键的外连接示例3：使用索引进行合并示例4：处理重复的列名

三、实战案例1、基础数据2、传入的on的参数是列表3、Merge method组合4、传入indicator参数5、index为链接键6、sort对链接的键值进行排序

注意事项总结

前言

在数据科学和分析领域，经常需要处理来自不同源的数据集，并将它们合并为一个统一的数据结构以进行进一步的分析。Pandas库中的pd.merge()函数提供了一种灵活的方式来合并两个或多个DataFrame，类似于SQL中的JOIN操作。本文将详细介绍pd.merge()函数的用法，并通过多个代码示例展示其在不同场景下的应用。

一、pd.merge()函数简介

pd.merge()函数用于根据一个或多个键将不同的数据集合并成一个DataFrame。它非常类似于SQL中的JOIN操作。

<code>pd.merge(left, right, how='inner', on=None, left_on=None, code>

right_on=None,left_index=False, right_index=False,

sort=True,suffixes=('_x', '_y'), copy=True,

indicator=False,validate=None)

参数含义说明如下：

left: 拼接的左侧DataFrame对象right: 拼接的右侧DataFrame对象on: 要加入的列或索引级别名称。 必须在左侧和右侧DataFrame对象中找到。 如果未传递且left_index和right_index为False，则DataFrame中的列的交集将被推断为连接键。left_on:左侧DataFrame中的列或索引级别用作键。 可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。right_on: 左侧DataFrame中的列或索引级别用作键。 可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。left_index: 如果为True，则使用左侧DataFrame中的索引（行标签）作为其连接键。 对于具有MultiIndex（分层）的DataFrame，级别数必须与右侧DataFrame中的连接键数相匹配。right_index: 与left_index功能相似。how: One of ‘left’, ‘right’, ‘outer’, ‘inner’. 默认inner。inner是取交集，outer取并集。比如left：[‘A’,‘B’,‘C’];right[’'A,‘C’,‘D’]；inner取交集的话，left中出现的A会和right中出现的买一个A进行匹配拼接，如果没有是B，在right中没有匹配到，则会丢失。'outer’取并集，出现的A会进行一一匹配，没有同时出现的会将缺失的部分添加缺失值。sort: 按字典顺序通过连接键对结果DataFrame进行排序。 默认为True，设置为False将在很多情况下显着提高性能。suffixes: 用于重叠列的字符串后缀元组。 默认为（‘x’，’ y’）。copy: 始终从传递的DataFrame对象复制数据（默认为True），即使不需要重建索引也是如此。indicator:将一列添加到名为_merge的输出DataFrame，其中包含有关每行源的信息。 _merge是分类类型，并且对于其合并键仅出现在“左”DataFrame中的观察值，取得值为left_only，对于其合并键仅出现在“右”DataFrame中的观察值为right_only，并且如果在两者中都找到观察点的合并键，则为left_only。

二、代码场景示例

示例1：基于单个键的内连接

假设有两个DataFrame，df1和df2，它们有一个共同的列’key’：

import pandas as pd

# 创建两个示例DataFrame

df1 = pd.DataFrame({ 'key': ['A', 'B', 'C'], 'value': [1, 2, 3]})

df2 = pd.DataFrame({ 'key': ['A', 'B', 'D'], 'value2': [4, 5, 6]})

# 使用'key'列进行合并

result = pd.merge(df1, df2, on='key')code>

print(result)

示例2：基于多个键的外连接