Pandas 数据合并与拼接：merge、join 与 concat 详解

执行结果仅保留 alpha 列在两个表中都存在的行（即 A 和 B）。

1.2 外连接 (Outer Join)

how='outer'，DataFrame 的链接方式为外连接，我们可以理解基于共同列的并集进行连接，参数 on 设置连接的共有列名。

# 基于共同列 alpha 的外连接
df4 = pd.merge(df1, df2, how='outer', on='alpha')
print(df4)

若两个 DataFrame 间除了 on 设置的连接列外并无相同列，则该列的值置为 NaN。此操作会保留所有行，缺失值填充为 NaN。

1.3 左连接与右连接

• 左连接 (how='left')：返回左表的所有记录，如果右表中没有匹配的记录，则结果为 NaN。
• 右连接 (how='right')：返回右表的所有记录，如果左表中没有匹配的记录，则结果为 NaN。

# 左连接
df_left = pd.merge(df1, df2, how='left', on='alpha')

# 右连接
df_right = pd.merge(df1, df2, how='right', on='alpha')

2. Join 方法

join 方法主要基于两个 DataFrame 的索引进行合并。它通常用于将具有不同列但共享索引的表连接在一起。

# 创建带有不同索引的 DataFrame
df_a = pd.DataFrame({'A': [1, 2]}, index=['x', 'y'])
df_b = pd.DataFrame({'B': [3, 4]}, index=['y', 'z'])

# 基于索引的 join (默认 left join)
df_join = df_a.join(df_b, how='outer')
print(df_join)

join 的参数与 merge 类似，支持 how 参数指定连接方式（inner, outer, left, right），默认使用左连接。

3. Concat 方法

concat 方法是对 Series 或 DataFrame 进行行拼接或列拼接。它主要用于将多个对象沿某个轴堆叠在一起。

3.1 行拼接

# 行拼接 (axis=0 默认)
df_concat_row = pd.concat([df1, df2], axis=0)

这会简单地将两个 DataFrame 的行上下堆叠。如果列名不一致，缺失部分会填充 NaN。

3.2 列拼接

# 列拼接 (axis=1)
df_concat_col = pd.concat([df1, df2], axis=1)

这会将 DataFrame 左右并排。适用于增加新特征列的场景。

4. 总结

• Merge：适合基于特定列键值的复杂关系型数据库式连接，支持多列连接。
• Join：适合基于索引的连接，语法更简洁，常用于时间序列数据对齐。
• Concat：适合简单的堆叠操作，不涉及键值匹配，性能通常优于 merge。

在实际数据处理中，应根据数据结构和分析需求选择合适的方法。注意处理重复索引、列名冲突以及内存优化问题。