• merge方法主要是基于两个dataframe的共同列进行合并
• join方法主要是基于两个dataframe的索引进行合并
• concat方法是对series或dataframe进行行拼接或列拼接

Merge方法

将两个dataframe连接起来

参数	含义
left/right	左/右位置的dataframe。
how	数据合并的方式——内连接，外连接，左连接，右连接
left	基于左dataframe列的数据合并；
right	基于右dataframe列的数据合并；
outer	基于列的数据外合并（取并集）；
inner	基于列的数据内合并（取交集）；默认为’inner’。
on	用来合并的列名，这个参数需要保证两个dataframe有相同的列名。
left_on/right_on	左/右dataframe合并的列名，也可为索引，数组和列表。
left_index/right_index	是否以index作为数据合并的列名，True表示是。
sort	根据dataframe合并的keys排序，默认True。
suffixes	若有相同列且该列没有作为合并的列，可通过suffixes设置该列的后缀名，一般为元组和列表类型。

1.1 内连接（交集）

# 单列的内连接
# 定义df1
df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'feature1':[1,1,2,3,3,1],
'feature2':['low','medium','medium','high','low','high']})
# 定义df2
df2 = pd.DataFrame({'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

df3 = pd.merge(df1,df2,how='inner',on='alpha')
df3

1.2 外连接（并集）

df4 = pd.merge(df1,df2,how='outer',on='alpha')
df4

1.3 左连接

df5 = pd.merge(df1,df2,how='left',on='alpha')
df5

1.4 右连接

df6 = pd.merge(df1,df2,how='right',on='alpha')
df6

1.5 基于多列的连接算法

多列的内连接：

df1 = pd.DataFrame({'alpha':['A','B','B','C','D','E'],'beta':['a','a','b','c','c','e'],
'feature1':[1,1,2,3,3,1],'feature2':['low','medium','medium','high','low','high']})df2 = pd.DataFrame({'alpha':['A','A','B','F'],'beta':['d','d','b','f'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})

df7 = pd.merge(df1,df2,on=['alpha','beta'],how='inner')
df7

.
多列的右连接：

df8 = pd.merge(df1,df2,on=['alpha','beta'],how='right')
df8

1.6 基于index的连接方法

2. join方法

join和merge的连接方法类似

3. concat方法

concat方法是拼接函数，有行拼接和列拼接，默认是行拼接，拼接方法默认是外拼接（并集），拼接的对象是pandas数据类型。

3.1 series类型的拼接方法

行拼接：

行拼接若有相同的索引，为了区分索引，我们在最外层定义了索引的分组情况。

列拼接：
默认以并集的方式拼接

以交集的方式拼接：

设置列拼接的列名：

对指定的索引拼接：

3.2 dataframe类型的拼接方法

行拼接：

df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'], 'A': ['A0', 'A1', 'A2', 'A3', 'A4','A5']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']})
# 行拼接
pd.concat([df1,df2])

列拼接：

pd.concat([df1,df2],axis=1)