23.2.24: pandas中merge函数用于将多个表格中某几列合并成组成一个表格，并设置某列为索引

pd.merge(left, right, on=None, how='inner', ...)

参数：

• left 和 right：要合并的左右两个 DataFrame 对象。
• on：指定用于合并的列名（字符串或列表）。如果未提供，则会根据两个 DataFrame 中相同的列名进行自动匹配。
• how：指定连接方式，默认为 'inner'。可选的连接方式包括：
• 'inner'：内连接，只保留两个 DataFrame 共有的行。
• 'outer'：外连接，保留两个 DataFrame 所有的行，缺失值用 NaN 填充。
• 'left'：左连接，保留左侧 DataFrame 所有的行，缺失值用 NaN 填充。
• 'right'：右连接，保留右侧 DataFrame 所有的行，缺失值用 NaN 填充。
• 其他参数：还可以通过其他参数指定更多的合并选项，如 left_on、right_on、left_index、right_index 等。

 例子：

import pandas as pd

# 创建示例数据
df1 = pd.DataFrame({'ID': [2,3],
                    'Name': ['Bob', 'Charlie']})
df2 = pd.DataFrame({'ID': [1,2,3,4],
                    'Age': [25,30,35,5]})
df3 = pd.DataFrame({'ID': [1,2,3,4],
                    'yue': [25, 35, 35,5]})

# 使用 merge 函数合并两个 DataFrame
merged_df1 = pd.merge(df1, df2, on='ID')  # 此处行索引取交集，列索引取并集
# 使用 merge 函数合并三个 DataFrame
merged_df2 = pd.merge(df1, df2, on='ID').merge(df3,on='ID')

# 设置时间列为索引
# merged_df.set_index('ID', inplace=True)

# 打印合并后的结果
print(merged_df1)
print(merged_df2)

merged_df1

merged_df2

 设置某列为索引：

# 设置时间列为索引
merged_df.set_index('ID', inplace=True)

# 按索引将时间排序
merged_df= merged_df.sort_index(ascending=True)  # ascending=True 升序排序
merged_df= merged_df.sort_index(ascending=False) # ascending=False 降序排序