这篇文章将为大家详细讲解有关python中使用pandas.merge的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
python主要应用领域有哪些
1、云计算，典型应用OpenStack。2、WEB前端开发，众多大型网站均为Python开发。3.人工智能应用，基于大数据分析和深度学习而发展出来的人工智能本质上已经无法离开python。4、系统运维工程项目，自动化运维的标配就是python+Django/flask。5、金融理财分析，量化交易，金融分析。6、大数据分析。
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
1、pandas.merge
是pandas的全功能、高性能的的内存连接操作，在习惯上非常类似于SQL之类的关系数据库。
按照数据中具体的某一字段来连接数据，是 DataFrame之间类似于SQL的表连接操作。
2、merge的默认合并方法
merge用于表内部基于 index-on-index 和 index-on-column(s) 的合并，但默认是基于index来合并。
3、使用语法
pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)4、使用参数
sql：SQL命令字符串；
con：连接sql数据库的，engine，一般可以用SQLalchemy或者pymysql之类的包建立；
index_col: 选择某一列作为index；
coerce_float：非常有用，将数字形式的字符串直接以float型读入；
parse_dates：将某一列日期型字符串转换为datetime型数据；
columns：要选取的列；
chunksize：如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。
5、使用实例
import pandas;from pandas import read_csv;items = read_csv( "E:\\pythonlearning\\datacode\\firstpart\\4\\4.12\\data1.csv", sep='|', names=['id', 'comments', 'title']);prices = read_csv( "E://pythonlearning//datacode//firstpart//4//4.12//data2.csv", sep='|', names=['id', 'oldPrice', 'nowPrice']);itemPrices = pandas.merge( items, prices, left_on='id', right_on='id');#以'id'列用基准，合并数据框关于“python中使用pandas.merge的方法”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
