锋哥原创的Pandas2 Python数据处理与分析 视频教程：
2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
pd.merge()：数据库风格合并
**核心功能**：基于列值（类似 SQL JOIN）合并数据，支持多种连接方式。 适用场景：关联不同数据表的公共字段（如用户 ID、订单号）。
语法：
pd.merge(
left, # 左侧 DataFrame
right, # 右侧 DataFrame
how='inner', # 合并方式：'inner', 'outer', 'left', 'right'
on=None, # 用于合并的列名（需在两个 DataFrame 中存在）
left_on=None, # 左侧 DataFrame 中作为键的列
right_on=None, # 右侧 DataFrame 中作为键的列
left_index=False, # 是否用左侧索引作为合并键
right_index=False, # 是否用右侧索引作为合并键
suffixes=('_x', '_y') # 列名冲突时的后缀
)参数详解
-
left/right: 左表和右表（必填）。
-
on: 连接的列名（若未指定，自动查找同名列）。
-
how: 连接方式，可选
inner（默认）、left、right、outer。 -
suffixes: 列名冲突时的后缀（默认
('_x', '_y')）。 -
validate: 验证合并关系，如
'one_to_one'、'one_to_many'。
常用场景示例
1，基本合并（基于共同列）
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie']
})
df2 = pd.DataFrame({
'id': [2, 3, 4],
'age': [25, 30, 28]
})
# 按 'id' 列合并（默认 inner join）
result = pd.merge(df1, df2, on='id')
2，指定合并方式（how 参数）
左连接（保留左侧所有行）：
result = pd.merge(df1, df2, on='id', how='left')输出（左侧 id=1 的 age 为 NaN）：
外连接（保留所有行）：
result = pd.merge(df1, df2, on='id', how='outer')输出（id=1 和 id=4 的缺失值填充 NaN）：
3，合并键列名不同（left_on 和 right_on）
df3 = pd.DataFrame({
'user_id': [2, 3, 4],
'score': [90, 85, 88]
})
# 合并 df1 的 'id' 和 df3 的 'user_id'
result = pd.merge(df1, df3, left_on='id', right_on='user_id')
4，处理列名冲突（suffixes 参数）
当两个 DataFrame 有相同列名（非合并键）时，自动添加后缀：
df4 = pd.DataFrame({
'id': [2, 3],
'name': ['Bob', 'Charlie'],
'department': ['HR', 'Tech']
})
result = pd.merge(df1, df4, on='id', suffixes=('_old', '_new'))输出（name 列被区分为 name_old 和 name_new）：
5，多键合并
指定多个列作为合并键：
df5 = pd.DataFrame({
'id': [1, 2, 2],
'year': [2022, 2023, 2023],
'sales': [100, 200, 150]
})
df6 = pd.DataFrame({
'id': [1, 2, 2],
'year': [2022, 2023, 2023],
'profit': [20, 40, 30]
})
result = pd.merge(df5, df6, on=['id', 'year'])输出（按 id 和 year 共同匹配）：
