pandas中merge()函数的用法解读

import pandas as pd
pd.merge(DateFrame1,DateFrame2,on = ' ',how = ' ')

import pandas as pd

df_1 = pd.DataFrame({'姓名': ["小明","小红","小刚"],
                   '年纪': [10,9,12],
                   '城市': ['上海','北京','深圳']})
df_1

	姓名	年纪	城市
0	小明	10		上海
1	小红	9		北京
2	小刚	12		深圳

df_2 = pd.DataFrame({'零花钱': [50,200,600,400,80],
                   '城市': ['苏州','北京','上海','广州','重庆']})
df_2

	零花钱	城市
0	50		苏州
1	200		北京
2	600		上海
3	400		广州
4	80		重庆

# 两个DataFrame都有“城市”，并且“城市”里面有相同的元素，可以按照这些相同的元素拼接
result = pd.merge(df_1,df_2, on = '城市')  
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200

# 没有on的话，就自动找相同的字段
result = pd.merge(df_1,df_2) 
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200

# 外置，相当于两个DateFrame求并集
result = pd.merge(df_1,df_2, on = '城市', how = 'outer') 
result

	姓名	年纪	城市	零花钱
0	小明	10.0	上海	600.0
1	小红	9.0		北京	200.0
2	小刚	12.0	深圳	NaN
3	NaN		NaN		苏州	50.0
4	NaN		NaN		广州	400.0
5	NaN		NaN		重庆	80.0

 # 右置，
result = pd.merge(df_1,df_2, on = '城市',  how = 'right') 
result

	姓名	年纪	城市	零花钱
0	小明	10.0	上海	600
1	小红	9.0		北京	200
2	NaN		NaN		苏州	50
3	NaN		NaN		广州	400
4	NaN		NaN		重庆	80

# 左置
result = pd.merge(df_1,df_2, on = '城市', how = 'left') 
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600.0
1	小红	9		北京	200.0
2	小刚	12		深圳	NaN

# how = 'inner'，只显示具有相同字段的样本
result = pd.merge(df_1,df_2, on = '城市', how = 'inner')  
result

	姓名	年纪	城市	零花钱
0	小明	10		上海	600
1	小红	9		北京	200