pd.DataFrame.join

`pd.DataFrame.join()` 是 Pandas 库中用于合并两个 DataFrame 的函数。它通常用于基于共享的键（index 或 columns）将数据从一个 DataFrame 添加到另一个 DataFrame 中。这种操作可以创建一个新的 DataFrame，新 DataFrame 包含源 DataFrame 的所有行和目标 DataFrame 的所有列，或者是仅包含匹配的行和列。

join 函数有多种变体，包括：

- `inner_join`（默认）：只保留两个 DataFrame 中都有的键值对，即交集部分。
- `left_join`：保留左 DataFrame 的所有行，并加入右 DataFrame 相关的键值对，如果右 DF 没有对应键，则用 NaN 填充。
- `right_join`：同理，但保留右 DataFrame 的所有行。
- `outer_join` 或 `full_join`：保留两个 DataFrame 的所有行，对于不存在的键，用 NaN 填充。
- `how` 参数可以进一步定制合并类型，如 `'exact'` (等于匹配) 或 `'suffixed_'` (添加后缀区分键名) 等。

例如：

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value2': [5, 6, 7, 8]})

merged = df1.join(df2, on='key')   # 默认内连接

# 输出结果可能类似：
#       key  value1  value2
# 0      A     1.0     NaN
# 1      B     2.0     5.0
# 2      C     3.0     NaN
# 3      D     4.0     6.0

**相关问题--:**
1. `pd.DataFrame.join()`支持哪些类型的键？
2. 当键列存在重复值时，`join`如何处理？
3. 如何利用`join`在保持原数据完整性的前提下，新增一列计算两表的关联字段？