merge函数位于pandas库中，用于合并连接DateFrame或者Series，其中Series对象可视为DataFrame的一个单列。
pd.merge(
df1,
df2,
how='inner',
on=None,
left_on=None,
right_on=None,
left_index=None,
right_index=None,
sort=None,
suffixes=('_x','_y'),
copy=None,
indicator=None,
validate=None
)
参数如下：
-
df1：DataFrame或者已命名的Series
拼接的DataFrame1，哪个表在前则为左表
-
df2：DataFrame或者已命名的Series
拼接的DataFrame2，哪个表在后则为右表
-
how：{'left', 'right', 'outer', 'inner', 'cross'}，默认为 'inner'
left：仅使用左DataFrame的字典，类似于SQL的左连接，保留字典的排序
right：仅使用右DataFrame的字典，类似于SQL的右连接，保留字典的排序
outer：使用两DataFrame字典的并集，类似于SQL的外连接，按照字典顺序排序
inner：使用两DataFrame字典的交集，类似于SQL的内连接，保留左DataFrame字典顺序
cross：创建两DataFrame的笛卡尔乘积，保留左DataFrame字典顺序
-
on：标签或列表
需要连接的列，必须在左DataFrame和右DataFrame中同时存在。如果on值为None且left_index和right_index为False，默认名字相同的字段连接。
-
left_on：标签或列表
左DataFrame需要连接的列或索引级别键（列标签）
-
right_on：标签或列表
右DataFrame需要连接的列或索引级别键（列标签）
-
left_index：bool，默认为False
如果为True，则使用左表中的行标签作为其连接键。 对于多级索引的表，级别数必须与右表 的连接键数相匹配。
-
right_index：bool，默认为False
与left_index类似
-
sort：布尔值，默认为False
对输出DataFrame的字典进行排序。如果为False，则根据其连接方式进行排序。
-
suffixes：
用于重叠列的字符串后缀元组。 默认为（'_x'，'_y'）
-
copy：bool，默认为False
复制传递对象
-
indicator：bool或str，默认为False
如果为True，添加一列名为"_merge"到输出的DataFrame，其中包含各行的数据来源。“_merge”包括三种分类：left_only、right_only、both，其中left_only指合并键仅出现在左DataFrame，right_only指合并键仅出现在右DataFrame，both指合并键在左右DataFrame都有。如果indicator输入的是str，该列被命名对应的str值。
-
validate：str，可选择的，默认为None，检查merge是否为特定类型
“one_to_one”或“1:1”：检查合并键在左DataFrame和右DataFrame内是否唯一
“one_to_many”或“1:m”：检查合并键在左DataFrame内是否唯一
“many_to_one”或“m:1”：检查合并键在右DataFrame内是否唯一
“many_to_many”或“m:m”：但不会引发检查
实例：
1、创建DataFrame，或者导入数据表。
import pandas as pd
df1 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','boss'],
'职位': ['总经理', '组长', '业务员', '实习生','老板'],
'工资': ['10000', '7000', '5000', '3000','30000']
})
df2 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','孙七'],
'职位': ['总经理', '组长', '业务员', '实习生','兼职'],
'上班天数': [22,22,26,22,15],
'绩效':[10000,8000,6000,0,0]
})
2、左连接
pd.merge(df1,df2,how='left',on=['姓名','职位'])
3、右连接
pd.merge(df1,df2,how='right',on=['姓名','职位'])
4、内连接（此时的内连接与左连接一样）
pd.merge(df1,df2,how='inner',on=['姓名','职位'])
5、外连接
pd.merge(df1,df2,how='outer',on=['姓名','职位'])
6、left_on, right_on
当两个表的字段名不完全一致时，就需要用left_on和right_on。请看以下例子：
df1 = pd.DataFrame({
'员工姓名': ['张三', '李四', '王五', '赵六','boss'],
'员工职位': ['总经理', '组长', '业务员', '实习生','老板'],
'工资': ['10000', '7000', '5000', '3000','30000']
})
df2 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','孙七'],
'职位': ['总经理', '组长', '业务员', '实习生','兼职'],
'上班天数': [22,22,26,22,15],
'绩效':[10000,8000,6000,0,0]
})
此时df1的字段名为员工姓名、员工职位、工资，df2的字段名为姓名、职位、上班天数、绩效，显然员工姓名和姓名实际上是同一个字段，员工职位和职位也是同一个字段，所以
pd.merge(df1, df2, left_on=['员工姓名', '员工职位'], right_on=['姓名', '职位'], how='left')
7、left_index、right_index
left_index、right_index的用法与left_on、right_on类似，它们的区别在于一个根据index匹配，一个根据column匹配。left_index、right_index需要一起使用且同时为True。
pd.merge(df1, df2, left_index=True, right_index=True, how='left')
事实上left_index、right_index与left_on、right_on可以混用，前提是对应的index和column的名字相同。
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'key': ['X', 'X', 'Y', 'Y']})
df2 = pd.DataFrame({'C': ['C0', 'C1'],
'D': ['D0', 'D1']},
index=['X', 'Y'])
pd.merge(df1, df2, right_index=True, left_on='key', how='right')
8、sort
sort对连接的键值进行排序，sort为True时进行排序，False时保留原来的排序。
import pandas as pd
df1 = pd.DataFrame({
'员工姓名': ['张三', '李四', '王五', '赵六','boss'],
'员工职位': ['总经理', '组长', '业务员', '实习生','老板'],
'工资': ['10000', '7000', '5000', '3000','30000']
})
df2 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','孙七'],
'职位': ['总经理', '组长', '业务员', '实习生','兼职'],
'上班天数': [22,22,26,22,15],
'绩效':[10000,8000,6000,0,0]
})
pd.merge(df1, df2, left_on='员工姓名', right_on='姓名', how='right', sort=True)
9、suffixes
当两表有名字相同的字段时，pandas自动给它们添加后缀，默认左表的字段名后面添加'_x'，右表的字段名后面添加'_y'。设置suffixes的值则修改后缀。
import pandas as pd
df1 = pd.DataFrame({
'员工姓名': ['张三', '李四', '王五', '赵六','boss'],
'职位': ['总经理', '组长', '业务员', '实习生','老板'],
'工资': ['10000', '7000', '5000', '3000','30000']
})
df2 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','孙七'],
'职位': ['总经理', '组长', '业务员', '实习生','兼职'],
'上班天数': [22,22,26,22,15],
'绩效':[10000,8000,6000,0,0]
})
pd.merge(df1, df2, left_on='员工姓名', right_on='姓名', how='right', suffixes=('1', '2'))
10、indicator
indicator返回匹配的结果来源，indicator可以输入布尔值和字符串参数。indicator返回结果有以下三种情况：
| 匹配情况 | 返回值 |
|---|---|
| 只有左表 | left_only |
| 只有右表 | right_only |
| 两表都有 | both |
import pandas as pd
df1 = pd.DataFrame({
'员工姓名': ['张三', '李四', '王五', '赵六','boss'],
'职位': ['总经理', '组长', '业务员', '实习生','老板'],
'工资': ['10000', '7000', '5000', '3000','30000']
})
df2 = pd.DataFrame({
'姓名': ['张三', '李四', '王五', '赵六','孙七'],
'职位': ['总经理', '组长', '业务员', '实习生','兼职'],
'上班天数': [22,22,26,22,15],
'绩效':[10000,8000,6000,0,0]
})
pd.merge(df1, df2, left_on='员工姓名', right_on='姓名', how='right', indicator=True)
显然孙七只有右表才有，其他人两表都有。
将indicator设置为字符串，即将默认列名'_merge'修改成设置的名字。
pd.merge(df1, df2, left_on='员工姓名', right_on='姓名', how='right', indicator='merge_result')
