pandas中merge函数的解读

• left：参与合并的左侧DataFrame；
• right：参与合并的右侧DataFrame；
• how：连接方式，有inner、left、right、outer，默认为inner；inner表示两个集合的交集，left表示以第一个集合为准做交集，right以第二个为准，outer取并集，不存在的元素标记为NaN
• on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；
• left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有 用；
• right_on：右侧DataFrame中用于连接键的列名；
• left_index：使用左侧DataFrame中的行索引作为连接键；
• right_index：使用右侧DataFrame中的行索引作为连接键；＃行索引，横向连接
• sort：默认为True，将合并的数据进行排序，设置为False可以提高性能；
• suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x', '_y')；＃ｘ和ｙ可以修改为想设置的名称
• copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能；
• indicator：显示合并数据中数据的来源情况。

ep：

import pandas as pd
left = pd.DataFrame({'key1':['K0','K0','K1','K2'], 
                     'key2':['K0','K1','K0','K1'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']})
right = pd.DataFrame({'key1':['K0','K1','K1','K2'], 
                     'key2':['K0','K0','K0','K0'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']})
print(left)
print(right)
#how = 'inner' 'outer' 'left' 'right'
res = pd.merge(left, right,on = ['key1','key2'],how = 'right')

print(res)

  key1 key2   A   B
0   K0   K0  A0  B0
1   K0   K1  A1  B1
2   K1   K0  A2  B2
3   K2   K1  A3  B3
  key1 key2   C   D
0   K0   K0  C0  D0
1   K1   K0  C1  D1
2   K1   K0  C2  D2
3   K2   K0  C3  D3
  key1 key2    A    B   C   D
0   K0   K0   A0   B0  C0  D0
1   K1   K0   A2   B2  C1  D1
2   K1   K0   A2   B2  C2  D2
3   K2   K0  NaN  NaN  C3  D3

 在right中以{K0，K0}、{K1，K0}、{K1，K0}、{K2，K0}的顺序在left中遍历，如果与{key1，key2}有交集，整行打印，在left中没有找到相同的，忽略left中的一行，继续遍历下一行。即right中有，left中没有，以right为准，left缺失的部分以NaN补齐。

indicator=True显示两个集合中哪个集合会进入交集，

也可以改名indicator='重合在哪'，即将_merge改成'重合在哪'

  key1 key2    A    B   C   D      _merge
0   K0   K0   A0   B0  C0  D0        both
1   K1   K0   A2   B2  C1  D1        both
2   K1   K0   A3   B3  C1  D1        both
3   K1   K0   A2   B2  C2  D2        both
4   K1   K0   A3   B3  C2  D2        both
5   K2   K0  NaN  NaN  C3  D3  right_only