pandas合并操作

merge

通过键（这里的键是dataframe的某一列）拼接列,应用场景：针对同一主键存在两张包含不同字段的表，如果想把这两张表整合成一张表，就可以使用merge。merge结果的行数并没有

pd.merge(left, right, how="inner", on=None, suffixes=("_x", "_y"))
参数how:
- inner: 按照拼接键匹配，取交集
- outer: 按照拼接键匹配，取并集
- left: 拼接键与左df完全一样，从右df中寻找与左df相匹配的行
- right: 拼接键与右df完全一样，从左df中寻找与右df相匹配的行
- cross: 交叉连接，返回笛卡尔积
注：无论采用哪种方式，merge函数第一个参数的列始终在最前面

是pd的方法，即pd.merge， 每次只能合并两个df

join

同样是拼接列，但是默认将索引作为键。参数on用来指定左df的列名，若指定后，用该列名与右df的索引进行拼接。

df1.join([df2,...], on=None, how='left', lsuffix=“”, rsuffix=“”, sort=False)

属于df的方法，lsuffix和rsuffix用于当df1和df2存在同名的列时，用于区分。

concat

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
           keys=None, levels=None, names=None, verify_integrity=False,
           copy=True)
join参数表示多个df按索引拼接的方式

属于pd的方法，可以用来合并多个df, 将ignore_index设为True进行索引重排。

append

df1.append(df2, ignore_index=False, verify_integrity=False)

属于df的方法，有点类似pd.concat([df1, df2], axis=0)
用的较少，相当于pd.concat的简版，只能在行方向进行拼接