核心方法
import pandas as pd
pd.merge(dataframe1,dataframe2,left_index=True,right_index=True)
修改合并的方式，可以更改merge函数中的一个属性how：
left：只使用左框架中的键，类似于SQL左外部连接；保留密钥顺序。
right：只使用右框架中的键，类似于SQL右外部联接；保留密钥顺序。
outer：使用来自两个帧的键的并集，类似于SQL完全外部连接；按字典顺序对键排序。
inner：使用两个帧的键的交集，类似于SQL内部连接；保留左键的顺序。
cross：从两个帧创建笛卡尔积，保留左键的顺序。
案例
df1:
| 0 | 1 | |
|---|---|---|
| a | 5 | 5 |
| b | 8 | 1 |
| c | 3 | 0 |
df2:
| 0 | 1 | |
|---|---|---|
| a | 7 | 5 |
| b | 3 | 3 |
| d | 9 | 5 |
import pandas as pd
import numpy as np
df_1 = pd.DataFrame(index=['a', 'b', 'c'], data=np.random.randint(0, 10, (3, 2)))
df_2 = pd.DataFrame(index=['a', 'b', 'd'], data=np.random.randint(0, 10, (3, 2)))
merge_index_df = pd.merge(df_1, df_2, how='outer', left_index=True, right_index=True)
合并之后：
| 0_x | 1_x | 0_y | 1_y | |
|---|---|---|---|---|
| a | 5 | 5 | 7 | 5 |
| b | 8 | 1 | 3 | 3 |
| c | 3 | 0 | nan | nan |
| d | nan | nan | 9 | 5 |
参考文章
pandas DOC：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html
