“这是我参与更文挑战的第6天，活动详情查看： 更文挑战”
pandas库提供了一些高级功能，其中的数据合并与重塑为两个数据表的拼接提供了极大的便利，主要涉及merge()、concat()、append()等函数，下面通过一个例子进行简单介绍。假设创建了如下两个DataFrame数据表，需要将它们合并。
import pandas as pd
df1 = pd.DataFrame({'company':['Wank','Ali','Baidu'],'score':[90,95,85]})
df2 = pd.DataFrame({'company':['Wank','Ali','Baidu'],'price':[20,180,30]})
1．merge()函数
merge()函数可以根据一个或多个键（列）将不同数据表中的行连接起来，演示代码如下。
df3 = pd.merge(df1,df2)
运行后df3的内容见下表。
默认的合并其实是取交集（inner连接），即选取两个表共有的内容。如果想取并集（outer连接），即选取两个表所有的内容，可以设置how参数，代码如下。
df3 = pd.merge(df1,df2,how = 'outer')
运行后df3的内容见下表，可看到所有数据都在，原来没有的内容则为空值（NaN）。
如果想保留左表（df1）的全部内容，而对右表（df2）不太在意，可以将how参数设置为k3u1fbpfcp/21332d354e8a4567a72ee170e309c478~tplv-k3u1fbpfcp-watermark.image)
可以看到，merge()函数直接根据相同的列名（“公司”列）对两个表进行了合并，而且默认选取的是两个表共有的列内容（万科、阿里）。如果相同的列名不止一个，可以通过on参数指定按照哪一列进行合并，代码如下。 left，代码如下。
df3 = pd.merge(df1,df2,how='left')
补充知识点：根据行索引合并的join()函数
join()函数也是一种数据表拼接的常用函数，它可以根据行索引进行数据表合并,需要注意的是，使用join()函数进行数据表拼接时，若两个表中存在同名列，则需要设置lsuffix参数（左表同名列的后缀，suffix是“后缀”的意思，l表示left）和rsuffix参数（右表同名列的后缀，r表示right）；若没有同名列，则可以直接写成df1.join（df2），这种写法与使用merge()函数相比更为简洁。
2．concat()函数
concat()函数是一种全连接（UNION ALL）方式，它不需要对齐，而是直接进行合并，即不需要两个表的某些列或索引相同，只是把数据整合到一起。因此，该函数没有how和on参数，而是通过axis参数指定连接的轴向，该参数默认为0，按行方向连接，即纵向拼接。
df3 = pd.concat([df1,df2],axis=0)
此时df3的内容见下表。
df3的行索引为原来两个表各自的索引，若要重置索引，可以在concat()函数中设置ignore_index=True，忽略原有索引，生成新的数字序列作为索引。若要按列方向连接，即横向拼接，可以设置axis参数为1.
3．append()函数
append()函数可以看成concat()函数的简化版，效果和pd.concat（[df1,df2]）类似;append()函数还有个常用的功能，和“列表.append()”一样，可用来新增元素.
