使用merge，默认情况下它是一个内部连接：

pd.merge(df1, df2, left_index=True, right_index=True)

或者join，默认情况下为左连接：

df1.join(df2)

或者concat，默认情况下为外连接：

pd.concat([df1, df2], axis=1)

• • 样品**：

一个三个三个一个

您可以使用concat([df1, df2, ...], axis=1)来连接两个或多个按索引对齐的DF：

pd.concat([df1, df2, df3, ...], axis=1)

或merge，用于按自定义字段/索引连接：

# join by _common_ columns: `col1`, `col3`
pd.merge(df1, df2, on=['col1','col3'])

# join by: `df1.col1 == df2.index`
pd.merge(df1, df2, left_on='col1' right_index=True)

或join，用于按索引连接：

df1.join(df2)

默认情况下：
join是列向左连接
pd.merge是列内联接
pd.concat是按行外部连接
pd.concat：
接受Iterable参数。因此，它不能直接接受DataFrame（使用[df,df2]）
DataFrame的维度应沿轴匹配
Join和pd.merge：
可以接受DataFrame参数

这个答案已经解决了一段时间，所有可用的选项都已经存在，但是在这个答案中，我将尝试对这些选项进行更多的说明，以帮助您了解何时使用什么。
这篇文章将通过以下主题：

• 在不同条件下与索引合并
• 基于索引的联接的选项：一个月一次，一个月一次，一个月二次
• 按索引合并
• 合并一个的索引，另一个的列
• 有效地使用命名索引来简化合并语法

基于索引的连接

TL; DR

有几个选项，根据使用情况，有些选项比其他选项简单。

1. DataFrame.merge与left_index和right_index（或使用命名索引的left_on和right_on）
2. DataFrame.join（索引上的连接）
3. pd.concat（索引上的连接）
   | | 优点|缺点|
   | - ------|- ------|- ------|
   | merge|·支持内/左/右/全·支持列-列、索引-列、索引-索引连接|·一次只能连接两个帧|
   | x1米11米1x|·支持内部/左（默认）/右/完整·可以一次加入多个数据框|·仅支持索引-索引连接|
   | concat|·擅长一次加入多个数据框·非常快（连接是线性时间）|·仅支持内部/完全（默认）连接·仅支持索引-索引连接|

索引到索引连接

通常，索引上的内部连接如下所示：

left.merge(right, left_index=True, right_index=True)

其他类型的连接（左、右、外）遵循类似的语法（并且可以使用how=...进行控制）。

• • 显著替代品**

1.* * DataFrame.join**默认为索引上的左外连接。

left.join(right, how='inner',)

如果您碰巧得到ValueError: columns overlap but no suffix specified，您需要指定lsuffix和rsuffix=参数来解决这个问题。由于列名相同，因此需要一个不同的后缀。
1.* * pd.concat**在索引上联接，并且可以一次联接两个或多个DataFrame。默认情况下，它执行完全外部联接。

pd.concat([left, right], axis=1, sort=False)

有关concat的更多信息，请参阅此帖子。

列连接的索引

要使用index of left、column of right执行内部连接，您将使用DataFrame.mergeleft_index=True和right_on=...的组合。

left.merge(right, left_index=True, right_on='key')

其他联接遵循类似的结构。请注意，**只有 * merge可以执行索引到列的联接。如果左侧的索引级别数等于右侧的列数，则可以在多个级别/列上进行联接。
join和concat不能进行混合合并。您需要使用DataFrame.set_index将索引设置为预处理步骤。
这篇文章是我在Pandas Merging 101中工作的一个删节版本。请点击这个链接以获得更多关于合并的例子和其他主题。

一只愚蠢的虫子咬了我：联接失败，因为索引dtypes不同。这一点并不明显，因为两个表都是同一原始表的透视表。在reset_index之后，Jupyter中的索引看起来完全相同。只有在保存到Excel时才发现...
我修复了它：df1[['key']] = df1[['key']].apply(pd.to_numeric)
希望这能为某人节省一个小时!

如果您想在Pandas中连接两个 Dataframe ，您可以简单地使用merge或concatenate等可用属性。
例如，如果我有两个 Dataframe df1和df2，我可以通过以下方式将它们连接起来：

newdataframe = merge(df1, df2, left_index=True, right_index=True)

您可以尝试以下几种方法来合并/加入您的dataframe。

1. merge（缺省情况下为内部连接）
   df = pd.merge(df1, df2, left_index=True, right_index=True)
2. join（默认为左连接）
   df = df1.join(df2)
3. concat（缺省为外连接）
   df = pd.concat([df1, df2], axis=1)