在Pandas库中，`DataFrame`的数据合并主要包括四种常见的方式：`merge`、`join`、`concat` 和 `update`。每种方法适用于不同的场景和需求。 ### 1. merge (合并) `merge` 函数主要用于基于某些列或索引进行两表间的关联操作，类似于SQL中的JOIN语句。它可以完成内连接（inner join）、外连接（outer join）、左连接（left join）及右连接（right join），具体取决于设置的`how`参数。 #### 示例： ```python import pandas as pd # 创建两个示例 DataFrame df_left = pd.DataFrame({ 'id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie'] }) df_right = pd.DataFrame({ 'id': [2, 3, 4], 'age': [25, 30, 35] }) result = pd.merge(df_left, df_right, on='id') # 内连接 print(result) ``` ### 2. join (链接) `join` 方法通常用于按照索引来合并数据帧，默认情况下是左连接。如果你希望按照行标签而不是特定的列来对齐数据的话，那么这会是个不错的选择。 #### 示例： ```python df_a = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b']) df_b = pd.DataFrame([[7, 8], [9, 10]], columns=['c', 'd'], index=[1, 2]) joined_result = df_a.join(df_b) print(joined_result) ``` ### 3. concat (拼接) `concat` 是一种更为通用的方式来沿着某个轴向粘合多个类似结构的对象序列。通过调整它的参数如`axis`等，你可以选择水平方向还是垂直方向地堆叠数据集合。 #### 示例： ```python df_one = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']}, index=[0, 1]) df_two = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']}, index=[2, 3]) concated_result = pd.concat([df_one, df_two]) print(concated_result) ``` ### 4. update (更新) 不同于上述三种方式创建新的DataFrame副本，`update` 直接修改现有的DataFrame内容，并且不会增加新行数，只会覆盖已存在的位置上的值。这对于用较小的新表去替换大表里对应的部分非常有用。 #### 示例： ```python df_large = pd.DataFrame({'col': range(5)}) df_small_updates = pd.DataFrame({'col': [10, 20]}, index=[1, 2]) df_large.update(df_small_updates) print(df_large) ``` 以上就是Pandas中常用的几种数据合并方式，在实际应用中需要根据具体情况选取最合适的工具来解决问题。