答案：pandas的merge函数用于合并DataFrame，类似SQL的JOIN操作。通过on指定共同列名，或用left_on与right_on匹配不同列名，how参数设置inner、outer、left、right连接方式，默认为inner join，可灵活组合条件实现数据关联。
Python 中的merge函数通常指的是pandas库中用于合并两个 DataFrame 的函数pd.merge()。它类似于 SQL 中的 JOIN 操作，可以根据一个或多个键将数据表连接起来。
基本语法pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, ...) left：左侧 DataFrame right：右侧 DataFrame how：合并方式，可选 'inner'、'outer'、'left'、'right'on：用于连接的列名，前提是两个表都有该列left_on和right_on：分别指定左右表的连接键（列名不同可用）
按共同列名合并如果两个 DataFrame 有一个相同的列（如 'id'），可以直接用on
参数：
df1 = pd.DataFrame({'id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie']})df2 = pd.DataFrame({'id': [1, 2, 4], 'age': [25, 30, 35]})result = pd.merge(df1, df2, on='id')# 结果会保留 id 同时在两表中的行（默认 inner join）
不同列名的合并当两个表的关联列名称不同时，使用left_on和right_on：df1 = pd.DataFrame({'emp_id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie']})df2 = pd.DataFrame({'user_id': [1, 2, 4], 'salary': [5000, 6000, 7000]})result = pd.merge(df1, df2, left_on='emp_id', right_on='user_id')合并方式（how 参数）
inner：只保留键的交集（默认）
outer：保留键的并集，缺失值填 NaN left：保留左表所有行right：保留右表所有行result_outer = pd.merge(df1, df2, on='id', how='outer')包含所有 id：1, 2, 3, 4 Python 3.14.3微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载立即学习“Python免费学习笔记（深入）
”；
基本上就这些。掌握on、how和区分左右键，就能灵活使用 merge 合并数据。