### 使用 `merge()` 函数拼接两个具有不同行数的 Pandas 数据框 `merge()` 是 Pandas 中用于连接或合并数据框的一个重要函数。它主要用于基于键列（key column）来匹配并组合多个数据框中的数据。当处理两个具有不同行数的数据框时，可以通过指定合适的参数实现所需的合并行为。 以下是关于如何使用 `merge()` 函数的关键点： #### 参数说明 - **left**: 左侧数据框。 - **right**: 右侧数据框。 - **on**: 指定用于合并的公共列名。如果左侧和右侧有相同的列名，则可以省略此参数。 - **how**: 合并方式，支持四种主要模式： - `'inner'`: 默认选项，只保留两侧都存在的键值[^1]。 - `'outer'`: 返回所有可能的键值组合，缺失部分填充为 NaN[^2]。 - `'left'`: 基于左表的所有键值进行合并，右表中不存在的部分填充为 NaN[^3]。 - `'right'`: 基于右表的所有键值进行合并，左表中不存在的部分填充为 NaN[^4]。 #### 示例代码 假设我们有两个数据框 `df1` 和 `df2`，分别表示如下： ```python import pandas as pd # 创建第一个数据框 data1 = {'Key': ['A', 'B', 'C'], 'Value1': [1, 2, 3]} df1 = pd.DataFrame(data1) # 创建第二个数据框 data2 = {'Key': ['B', 'C', 'D'], 'Value2': [4, 5, 6]} df2 = pd.DataFrame(data2) ``` 执行外连接操作 (`how='outer'`) 来展示不同的行数情况： ```python merged_df = pd.merge(df1, df2, on='Key', how='outer') print(merged_df) ``` 运行上述代码后会得到以下结果： | Key | Value1 | Value2 | |-----|--------|--------| | A | 1 | NaN | | B | 2 | 4.0 | | C | 3 | 5.0 | | D | NaN | 6.0 | 在此例子中，“A”仅存在于 `df1` 中，“D”仅存在于 `df2` 中，而 “B” 和 “C” 则同时存在两方数据中。 #### 注意事项 虽然 `merge()` 主要关注的是通过共同字段来进行逻辑上的关联，但如果目标仅仅是简单地堆叠不重合的数据集，那么也可以考虑使用 `concat()` 方法作为替代方案。 ```python combined_df = pd.concat([df1.set_index('Key'), df2.set_index('Key')], axis=1).reset_index() print(combined_df) ``` 这将把两个表格按照行索引对齐，并横向扩展每一行的内容。