数据统计中，通常，我们作用的不止一张表，对应的DataFrame也会有几个。有时候，两张或几张有关联的表需要进行合并处理。padans提供了merge，join，concat等方法。下边，就整理记录一下下。
merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)
下边，对这些参数一一解释：
left: 第一个DataFrame
right: 第二个DataFrame
how: 指合并的方式，有内连接(inner),外连接(outer),左连接(left),右连接(right)。
内连接，只关联指定索引相同的值的行列。
左连接，除了完整的第一个DataFrame外，还有第二个DataFrame关联上的行的值。没关联上的取NaN。
右连接，和左连接相反。除了完整的第二个DataFrame外，还有第一个DataFrame关联上的行的值。没关联上的取NaN
外关联。两个DataFrame，关联上的合并为一行，其他没关联上的独自为一行。然后以NaN补齐。
on: 两个DataFrame相互关联的列的头（也可以理解为数据库的字段）。当然，两个DataFrame的列的头可以不一样。不过那需要设置left_on,和right_on。
left_on:两个DataFrame关联，第一个DataFrame关联对应的头（字段）。
right_on:两个DataFrame关联，第二个DataFrame关联对应的头（字段）。
left_index:使用第一个DataFrame中的行索引做为连接键
right_index:使用第二个DataFrame中的行索引做为连接键
sort:默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
suffixes:字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为(‘_x’,’_y’)。通俗点讲就是两个表中都有相同的头，就是字段。比如第一个DataFrame中有个字段uid,第二个DataFrame中也有uid，合并为一行之后，这两个字段的名字就变为uid_x和uid_y,该一列对应的数据没有改变。默认是x,y。这里就是手动设置的地方。
copy:默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能。
indicator:在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)
merge的几个特性：
1，参数如果只有两个DataFrame，没其他的参数。那么，就以两个DataFrame相同的字段进行关联。如果没有相同键或相同键没有相同的值，那么merge后返回的就是一个Empty的DataFrame。
2，多个键进行关联时，就把多个需要关联的键放在一个list中给on就行了。
join(self, other, on=None, how='left', lsuffix='',
rsuffix='', sort=False)