在 pandas 中，“合并数据框”通常指以下几种常见场景，下面按使用频率从高到低介绍，并给出示例。
pd.merge() —— 按“键”合并（类似 SQL 的 JOIN）最常用，适合有共同字段（如 id、date）的情况。
import pandas as pd
df1 = pd.DataFrame({
'id': [1, 2, 3],
'name': ['A', 'B', 'C']
})
df2 = pd.DataFrame({
'id': [1, 2, 4],
'score': [90, 85, 88]
})
result = pd.merge(df1, df2, on='id', how='inner')
how 参数'inner'：交集（默认）'left'：左连接'right'：右连接'outer'：全连接✅ 多键合并：
pd.merge(df1, df2, on=['id', 'date'])
df.join() —— 按索引合并适合索引相同的数据框。
df1 = df1.set_index('id')
df2 = df2.set_index('id')
result = df1.join(df2, how='left')
pd.concat() —— 纵向或横向拼接df3 = pd.DataFrame({
'id': [4, 5],
'name': ['D', 'E']
})
result = pd.concat([df1, df3], ignore_index=True)
result = pd.concat([df1, df2], axis=1)
⚠️ 注意：横向拼接默认按索引对齐
df.append()（已不推荐）⚠️ pandas 2.0 已弃用，建议用
concat
pd.merge(df1, df2, on='id', suffixes=('_left', '_right'))
pd.concat([df1, df2], ignore_index=True)
| 需求 | 推荐方法 |
|---|---|
| 按字段关联 | pd.merge |
| 按索引关联 | df.join |
| 上下拼数据 | pd.concat |
| SQL 风格 | pd.merge |
如果你有具体数据结构或合并逻辑（比如“按时间对齐”“左表为主”“多对多”），可以直接贴出来，我可以帮你写精确代码。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
