pandas中join，merge，concat的区别
在 Pandas 中，join、merge 和 concat 是用于合并或连接不同 DataFrame 的方法，但它们在功能和使用场景上有所不同。
- join
join 方法是 DataFrame 的一个方法，它默认以索引为基础来合并数据。join 主要用于将另一个 DataFrame 的列添加到当前 DataFrame 中，类似于 SQL 中的 JOIN 操作。
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2']},
index=['K0', 'K1', 'K2'])
df2 = pd.DataFrame({'B': ['B0', 'B1', 'B2']},
index=['K0', 'K1', 'K2'])
result = df1.join(df2)
print(result)
- merge
merge 方法是 Pandas 库的一个函数，它用于执行更复杂的数据库风格的联接操作。merge 允许你指定连接的列，并支持多种类型的连接，如内连接、外连接、左连接和右连接。
result = pd.merge(df1, df2, left_index=True, right_index=True)
print(result)
- concat
concat 函数是用于沿轴向将多个对象堆叠到一起。它不是基于索引合并，而是用来堆叠具有相同结构的 DataFrame 或 Series。
result = pd.concat([df1, df2], axis=1)
print(result)
主要区别
基于索引 vs. 基于列：join 默认基于索引合并，而 merge 可以基于任意列进行合并。
连接类型：merge 支持不同类型的连接（如内连接、外连接等），而 join 默认执行的是内连接。
轴向：concat 允许你指定沿哪个轴向（行或列）进行合并，而 join 和 merge 默认沿列合并。
使用场景：join 通常用于添加新列，merge 用于复杂的数据库风格的数据合并，concat 用于堆叠具有相同结构的 DataFrame。