语法结构
pd.merge()可以将两个 DataFrame 或者 Series 进行连接：
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None,)
参数：
how：连接方式，默认为inner，可设为inner/outer/left/right
on：根据某个字段进行连接，必须存在于两个DateFrame中（若未同时存在，则需要分别使用left_on 和 right_on 来设置）
left_on：左连接，以DataFrame1中用作连接键的列
right_on：右连接，以DataFrame2中用作连接键的列
left_index：bool, default False，将DataFrame1行索引用作连接键
right_index：bool, default False，将DataFrame2行索引用作连接键
sort：根据连接键对合并后的数据进行排列，默认为True
suffixes：对两个数据集中出现的重复列，新数据集中加上后缀 _x, _y 进行区别
参数：left和right
pd.merge()只能用于两个表的拼接，而且通过参数名称也能看出连接方向是左右拼接，一个左表一个右表，而且参数中没有指定拼接轴的参数，所以pd.merge()不能用于表的上下拼接。
参数：on
这个参数确定哪个字段作为主键，（on为两个数据的连接键）
例如：
这两个表能够看出有两列列名是一样的，工号和员工姓名，而且自己看的话还能发现索引是5的记录虽然员工姓名一样但是工号不一样，有可能一个公司中出现了重名的员工，我们对这两个表进行拼接。
不指定主键的情况下：
由于pd.merge()默认的是内连接，所以只把主键信息相同的部分拼接，而工号和员工姓名完全一致的只有工号是004的信息
指定主键拼接：
参数left_index和right_index
除了指定字段作为主键以外，还可以考虑用索引作为拼接的主键，left_index和right_index默认为False，就是不以索引作为主键，如果想用索引作为拼接的主键，把left_index和right_index设置为Ture就可以了。
参数：how
how参数控制拼接方式，默认内连接（inner），可设为inner/outer/left/right
how='left' # 以左为表基表
how='right' # 以右为表基表
how='outer' # 取两个表的合集
how='inner' # 取两个表的交集
how=’outer’ # 取两个表的合集
保留两个表的所有信息，拼接的时候遇到标签不能对齐的部分，用NAN进行填充
how=’left’ # 以左为表基表
左连接是保留所有左表的信息，把右表中主键与左表一致的信息拼接进来，标签不能对齐的部分，用NAN进行填充：
how=’right’ # 以右为表基表
右连接是保留所有右表的信息，把左表中主键与左表一致的信息拼接进来，标签不能对齐的部分，用NAN进行填充：
参数：left_on和right_on
有的时候还会有这种情况，两个表里没有完全一致的列名，但是有信息一致的列，例如下边这种情况，都有”员工姓名”这一列，但是名字不一样：
这个时候需要指定每个表中用来做主键的字段是哪一个，就用到了left_on和right_on这两个参数
参数：sort=True
sort对链接的键值进行排序：紧接着上一例，设置sort= True
参数：indicator
在pd.concat()中可以通过参数设定显示拼接后的表中哪些信息来自于哪一个表格，在pd.merge()中也可以进行这样的操作，就是通过indicator参数设置，默认是False不显示数据来源，把参数设置为True就可以了。
这样在表的最后就会有一个新列，显示这一条记录来自于在哪表格里有数据，如果两表都有数据会标记both。