答案：pandas的merge函数用于合并DataFrame，类似SQL的JOIN操作。通过on指定共同列名，或用left_on与right_on匹配不同列名，how参数设置inner、outer、left、right连接方式，默认为inner join，可灵活组合条件实现数据关联。
Python 中的 merge 函数通常指的是 pandas 库中用于合并两个 DataFrame 的函数 pd.merge()。它类似于 SQL 中的 JOIN 操作，可以根据一个或多个键将数据表连接起来。
基本语法
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, ...)- left：左侧 DataFrame
- right：右侧 DataFrame
- how：合并方式，可选 'inner'、'outer'、'left'、'right'
- on：用于连接的列名，前提是两个表都有该列
- left_on 和 right_on：分别指定左右表的连接键（列名不同可用）
按共同列名合并
如果两个 DataFrame 有一个相同的列（如 'id'），可以直接用 on 参数：
df1 = pd.DataFrame({'id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie']})df2 = pd.DataFrame({'id': [1, 2, 4], 'age': [25, 30, 35]})
result = pd.merge(df1, df2, on='id')
# 结果会保留 id 同时在两表中的行（默认 inner join）
不同列名的合并
当两个表的关联列名称不同时，使用 left_on 和 right_on：
df1 = pd.DataFrame({'emp_id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie']})df2 = pd.DataFrame({'user_id': [1, 2, 4], 'salary': [5000, 6000, 7000]})
result = pd.merge(df1, df2, left_on='emp_id', right_on='user_id')
合并方式（how 参数）
- inner：只保留键的交集（默认）
- outer：保留键的并集，缺失值填 NaN
- left：保留左表所有行
- right：保留右表所有行
result_outer = pd.merge(df1, df2, on='id', how='outer')
包含所有 id：1, 2, 3, 4
立即学习“Python免费学习笔记（深入）”；
基本上就这些。掌握 on、how 和区分左右键，就能灵活使用 merge 合并数据。
