使用過sql語言的話，一定對join，left join， right join等非常熟悉，在pandas中，merge的作用也非常類似。直接上例子：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

df1 = DataFrame({'key':['X', 'Y', 'Z'], 'data_set_1':[1, 2, 3]})
print(df1)
'''
   data_set_1 key
0           1   X
1           2   Y
2           3   Z
'''
 


df2 = DataFrame({'key':['X', 'B', 'C'], 'data_set_2':[4, 5, 6]})
print(df2)
'''
   data_set_2 key
0           4   A
1           5   B
2           6   C
'''

# 感覺這個就像 操作 sql 的感覺一樣
# 找到一個外來鍵 然後將兩條資料拿到手
print(pd.merge(df1, df2))
'''
   data_set_1 key  data_set_2
0           1   X           4
'''

# 第二個引數 on 代表 要在 哪一個 列上 進行 merge
 

# print(pd.merge(df1, df2, on='data_set_1')) # 報錯

# inner 拿出的是兩邊都有的值
print(pd.merge(df1, df2, on='key', how='inner'))
'''
   data_set_1 key  data_set_2
0           1   X           4
'''

# left 按照left的dataframe為基準，右邊值為空的話就預設nan
print(pd.merge(df1, df2, on='key', how='left'))
'''
   data_set_1 key  data_set_2
0           1   X         4.0
1           2   Y         NaN
2           3   Z         NaN
'''
 

# 同理 right 按照右邊為基準
print(pd.merge(df1, df2, on='key', how='right'))
'''
   data_set_1 key  data_set_2
0         1.0   X           4
1         NaN   B           5
2         NaN   C           6
'''

# outer 將 left right 的結合， 所有的key都拿出來，哪邊缺失，就補充nan
print(pd.merge(df1, df2, on='key', how='outer'))
'''
   data_set_1 key  data_set_2
0         1.0   X         4.0
1         2.0   Y         NaN
2         3.0   Z         NaN
3         NaN   B         5.0
4         NaN   C         6.0

'''