１　

a1 = pd.DataFrame({ 'a': [1, 1, 2, 2, 2, 6, 7, 8, 10], 'b': [1, 2, 3, 4, 5, 6, 7, 8, 9], 'c': [1, 2, 3, 4, 5, 6, 7, 8, 9] }) a2 = pd.DataFrame({ 'a': [1, 1, 2, 4, 5, 6, 7, 8, 11], 'b': ['w', 'e', '2对应的出现3次', 4, 5, 6, 7, 8, 9], 'c': ['d', 'g', '2对应的出现3次', 4, 5, 6, 7, 8, 9] }) a3 = pd.merge( left = a1, right = a2, on = ['a'], how = 'left') print(a3) # a b_x c_x b_y c_y # 0 1 1 1 w d # 1 1 1 1 e g # 2 1 2 2 w d # 3 1 2 2 e g # 4 2 3 3 2对应的出现3次 2对应的出现3次 # 5 2 4 4 2对应的出现3次 2对应的出现3次 # 6 2 5 5 2对应的出现3次 2对应的出现3次 # 7 6 6 6 6 6 # 8 7 7 7 7 7 # 9 8 8 8 8 8 # 10 10 9 9 NaN NaN

用于融合的函数

https://blog.csdn.net/brucewong0516/article/details/82707492

pd.merge(left, right, how=’inner’, on=None, left_on=None, right_on=None,

         left_index=False, right_index=False, sort=True,

         suffixes=(‘_x’, ‘_y’), copy=True, indicator=False,

         validate=None)

融合原则 ：若不指定左右，则必须是key中相同的值才可以融合（左右指的是要融合的数组不是key）

           若指定了左右，则指定的一列必须有，另一列继续融合，出现两个及以上相同的不会丢失。若两边都有相同的，则最终个数是按乘法算。比如当按左边融合时，最终的个数不一定是左边的id个数，应该是每个id对应数量乘积之和

           若指定的是outer，则是最大限度的融合，实际上是左融合和右融合的并集

           若指定的是inner，则是最小限度的融合，实际上是左融合和右融合的交集

注意：how的参数必须是 left和right

２　merge()做两个表的融合时，注意融合后表的index始终是按照左边的表格算的，当想要融合后的表格按照某个表的融合列排序时，就要将该表放在左边,与how是left或right无关.