merge() 函数是 Pandas 中用于合并两个 DataFrame 的函数，类似于 SQL 中的 JOIN 操作。它允许你根据指定的列或索引进行连接操作。以下是一些 merge() 函数的用法示例：
merge函数的基本用法
merge()函数的基本用法非常简单，主要包括以下几个参数：
- left：要合并的左侧DataFrame；
- right：要合并的右侧DataFrame；
- how：指定合并的方式，默认为'inner'，可以是'left'、'right'、'outer'等；
- on：指定用于合并的列名，如果不指定，则默认使用两个DataFrame中的公共列进行合并。
几个常用的参数
- left_on、right_on：指定左侧DataFrame和右侧DataFrame用于合并的列名，可用于处理两个DataFrame中列名不同的情况；
- suffixes：指定在列名冲突时用于区分的后缀，默认为('_x', '_y')；
- indicator：在结果DataFrame中增加一个特殊的列，指示每行的合并方式，默认为False；
- validate：检查合并操作的类型是否有效，默认为None。
假设我们有两个 DataFrame，分别是 df1 和 df2：
import pandas as pd
# 创建 DataFrame df1
data1 = {'ID': [1, 2, 3, 4],
'Name': ['Alice', 'Bob', 'Charlie', 'David']}
df1 = pd.DataFrame(data1)
# 创建 DataFrame df2
data2 = {'ID': [2, 3, 4, 5],
'Age': [25, 30, 35, 40]}
df2 = pd.DataFrame(data2)
1.内连接（Inner Join）：
merged_outer = pd.merge(df1, df2, on='ID', how='outer') print(merged_outer)
这会将两个 DataFrame 按照共同的 ID 列进行内连接。结果将只包含两个 DataFrame 中都有的 ID。
2.左连接（Left Join）：
merged_outer = pd.merge(df1, df2, on='ID', how='outer') print(merged_outer)
这会将 df1 按照 ID 列进行左连接，即将 df1 的所有行保留，并且将 df2 中匹配的行合并。
3.右连接（Right Join）：
merged_outer = pd.merge(df1, df2, on='ID', how='outer') print(merged_outer)
这会将 df2 按照 ID 列进行右连接，即将 df2 的所有行保留，并且将 df1 中匹配的行合并。
4.外连接（Outer Join）：
merged_outer = pd.merge(df1, df2, on='ID', how='outer') print(merged_outer)
这会将两个 DataFrame 按照共同的 ID 列进行外连接，即保留两个 DataFrame 中的所有行，并且将匹配的行合并。
