根据行索引合并数据

join()方法能够通过索引或指定列来连接DataFrame，其语法格式如下：

  join(other,on = None,how ='left',lsuffix ='',rsuffix ='',sort = False)

上述方法常用参数表示的含义如下：

（1） on：名称，元组或列表的名称，用于连接列名。

（2） how：可以从{''left'' ,''right'', ''outer'', ''inner''}中任选一个，默认使用左连接的方式。

（3） lsuffix：接收字符串，在左侧重叠的列名后添加后缀名。

（4） rsuffix：接收字符串，在右侧重叠的列名后添加后缀名。

（5） sort：接收布尔值，根据连接键对合并的数据进行排序，默认为False。

当两张表中如果没有重叠的索引可以设置merge()函数的left_index和right_index参数，而对join()方法来说只需要将表明做为参数传入即可。

图1 合并示意图

join()方法默认使用的左连接方式，即以左表为基准，合并后左表的数据会全部展示，如图1所示left表与right表中没有重叠的索引。当使用左连接合并时，right表中的数据将不会展示出来，为了将right表中的数据展示出来我们可以将连接方式设置为外连接方式，具体如下：

In [30]: import pandas as pd
         left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2']})
         right = pd.DataFrame({'C': ['C0', 'C1', 'C2'],'D': ['D0', 'D1', 'D2']},
                              index=[ 'a','b','c'])
         left.join(right, how='outer')

Out[30]:
​     A  B  C  D
   a  A0  B0 NaN NaN
   b  A1  B1 NaN NaN
   c NaN NaN  C0  D0
   d NaN NaN  C1  D1

上述的代码中首先创建了两个DataFrame类型的left对象与right对象，然后使用jion()方法将left对象与right对象进行合并，将right对象名做为参数传入，然后在使用how参数指定连接的方式，合并后缺失的数据使用NaN填充。

假设两个表中存在行索引与列索引重叠，那么当使用join()方法进行合并时，使用参数on指定重叠的列名即可。

图2 合并示意图

如图2所示为合并后的效果，接下来，通过编写代码来实现上述效果，具体代码如下。

In [31]: import pandas as pd
         left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2'],
                              'key': ['K0', 'K1', 'K2']})
         right = pd.DataFrame({'C': ['C0', 'C1','C2'],'D': ['D0', 'D1','D2']},
                              index=['K0', 'K1','K2'])
         # on参数指定连接的列名
         left.join(right, how='left', on='key')
Out[31]:
  A  B key  C  D
0 A0 B0 K0 C0 D0
1 A1 B1 K1 C1 D1
2 A2 B2 K2 C2 D2

在上述示例中，首先创建了两个DataFrame类型的left对象与right对象，然后在join()方法中设置连接方式与连接的列名。