pd.merge 实例

假设有两个 DataFrame，一个是订单信息表（orders），一个是客户信息表（customers），它们分别如下所示：

import pandas as pd

orders = pd.DataFrame({
    'order_id': [1, 2, 3, 4, 5],
    'customer_id': [101, 102, 102, 103, 104],
    'order_date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05'],
    'order_amount': [100, 200, 150, 300, 120]
})

customers = pd.DataFrame({
    'customer_id': [101, 102, 103, 104, 105],
    'customer_name': ['Alice', 'Bob', 'Charlie', 'David', 'Emma'],
    'customer_email': ['alice@example.com', 'bob@example.com', 'charlie@example.com', 'david@example.com', 'emma@example.com']
})

现在我们想要通过 customer_id 把订单信息表和客户信息表合并起来，得到一个新的 DataFrame。可以使用 pd.merge() 函数实现：

merged_df = pd.merge(orders, customers, on='customer_id')
print(merged_df)

输出结果如下：

   order_id  customer_id  order_date  order_amount customer_name     customer_email
0         1          101  2021-01-01           100         Alice  alice@example.com
1         2          102  2021-01-02           200           Bob    bob@example.com
2         3          102  2021-01-03           150           Bob    bob@example.com
3         4          103  2021-01-04           300       Charlie  charlie@example.com
4         5          104  2021-01-05           120         David   david@example.com

可以看到，通过 customer_id 把订单信息表和客户信息表合并起来，得到了一个新的 DataFrame，包含了订单信息和客户信息的所有字段，其中 customer_id 作为关键字进行了合并。如果两个 DataFrame 中的关键字不同，可以使用 left_on 和 right_on 参数指定左右 DataFrame 中的关键字。也可以使用参数 how 指定合并方式。具体用法可以参考 Pandas 官方文档。