other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],
                      'B': ['B0', 'B1', 'B2']})
caller = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],
                      'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})

select other.*,caller*
from other,caller
where other.Key=caller.key

caller.join(other.set_index('key'),on='key',how='left').dropna() 

pd.merge(left=caller, right=other, how='left', left_on='key', right_on='key'
,left_index=True,right_index=True)

pd.merge(left=caller, right=other, how='inner', left_on='key', right_on='key',left_index=True,right_index=True)

merge(
    left,            # 左表
    right,           # 右表
    how="inner",     # 連接方式，inner、left、right、outer，默認(rèn)為inner
    on=None,
    """
    on: 用于連接的列名稱
    指定合并時(shí)用于連接(外連，內(nèi)連，左連，右連)的列。
    默認(rèn)為None，merge()方法自動(dòng)識別兩個(gè)DataFrame中名字相同的列，作為連接的列。
    on參數(shù)指定的列必須在兩個(gè)被合并DataFrame中都有，否則會(huì)報(bào)錯(cuò)。
    on參數(shù)也可以指定多列，合并時(shí)按多個(gè)列進(jìn)行連接。在合并時(shí)，只有多個(gè)列的值同時(shí)相等，兩個(gè)DataFrame才會(huì)匹配上。
    """
    left_on,         # 左表用于連接的列名
    right_on,        # 右表用于連接的列名
    """
    使用on參數(shù)時(shí)，指定的列必須在兩個(gè)DataFrame中都有。
    merge()方法也支持兩個(gè)DataFrame分別指定連接的列，此時(shí)不要求指定列在兩個(gè)DataFrame中都有。
    當(dāng)left_on和right_on都指定一樣的列時(shí)，與用on參數(shù)的結(jié)果一樣。
    """
    left_index,      # 是否使用左表的行索引作為連接鍵，默認(rèn)False
    right_index,     # 是否使用右表的行索引作為連接鍵，默認(rèn)False
    sort,            # 默認(rèn)為False，將合并的數(shù)據(jù)進(jìn)行排序
    copy,            # 默認(rèn)為True，總是將數(shù)據(jù)復(fù)制到數(shù)據(jù)結(jié)構(gòu)中，設(shè)置為False可以提高性能
    suffixes,        # 存在相同列名時(shí)在列名后面添加的后綴，默認(rèn)為('_x', ‘_y')
    indicator,       # 顯示合并數(shù)據(jù)中數(shù)據(jù)來自哪個(gè)表
    validate=None,
    """
    validate: 用于指定兩個(gè)DataFrame連接列的對應(yīng)關(guān)系。
    有one_to_one(一對一)，one_to_many(一對多)，many_to_one(多對一)，many_to_many(多對多)四種對應(yīng)方式。
    默認(rèn)為None，merge()方法自動(dòng)根據(jù)兩個(gè)DataFrame的連接列采用適合的對應(yīng)方式。
    """
)

dishes_info = pd.read_csv("./dishes_info.csv")
order_sample = pd.read_csv("./order_sample.csv")
print(dishes_info)
print(order_sample)

data = pd.merge(dishes_info, order_sample, on="dishes_id", how="left")

data = pd.merge(dishes_info, order_sample, how="left", left_index=True, right_index=True)

join(
    other,            # DataFrame, Series, or list of DataFrame，另外一個(gè)dataframe, series，或者dataframe list。
    on=None,          # 參與join的列，與sql中的on參數(shù)類似。
    how=“l(fā)eft”,       # how: {‘left', ‘right', ‘outer', ‘inner'}, default ‘left'， 與sql中的join方式類似。
    lsuffix="",       #  lsuffix: 左DataFrame中重復(fù)列的后綴
    rsuffix="",       # rsuffix: 右DataFrame中重復(fù)列的后綴
    sort=False        # 默認(rèn)為False，將合并的數(shù)據(jù)進(jìn)行排序
)

data = dishes_info.join(order_sample)         # 會(huì)報(bào)錯(cuò)，原因就是因?yàn)橛兄貜?fù)的列名
# 以下為錯(cuò)誤信息
"""
dishes_id
ValueError                                Traceback (most recent call last)
<ipython-input-18-8bc025c8fee6> in <module>()
      1 # DataFrame對象的join()函數(shù)就像是merge()函數(shù)的left_index & right_index 為 True
      2 # DataFrame對象的join()函數(shù)更適合于根據(jù)索引進(jìn)行合并，我們可以用它合并多個(gè)索引相同列不同的DataFrame對象。
----> 3 data = dishes_info.join(order_sample)         # 會(huì)報(bào)錯(cuò)，原因就是因?yàn)橛兄貜?fù)的列名dishes_id
      4 # 由于join默認(rèn)根據(jù)行索引進(jìn)行連接，所以我們修改兩表的行索引為dishes_id列在進(jìn)行連接
      5 # dishes_info.set_index("dishes_id", inplace=True)     # 該函數(shù)默認(rèn)不修改原數(shù)據(jù)，需要inplace配置項(xiàng)指定為True才保存修改
D:\Destination\lib\site-packages\pandas\core\frame.py in join(self, other, on, how, lsuffix, rsuffix, sort)
   6334         # For SparseDataFrame's benefit
   6335         return self._join_compat(other, on=on, how=how, lsuffix=lsuffix,
-> 6336                                  rsuffix=rsuffix, sort=sort)
   6337 
   6338     def _join_compat(self, other, on=None, how='left', lsuffix='', rsuffix='',
D:\Destination\lib\site-packages\pandas\core\frame.py in _join_compat(self, other, on, how, lsuffix, rsuffix, sort)
   6349             return merge(self, other, left_on=on, how=how,
   6350                          left_index=on is None, right_index=True,
-> 6351                          suffixes=(lsuffix, rsuffix), sort=sort)
   6352         else:
   6353             if on is not None:
D:\Destination\lib\site-packages\pandas\core\reshape\merge.py in merge(left, right, how, on, left_on, right_on, left_index, right_index, sort, suffixes, copy, indicator, validate)
     60                          copy=copy, indicator=indicator,
     61                          validate=validate)
---> 62     return op.get_result()
     63 
     64 
D:\Destination\lib\site-packages\pandas\core\reshape\merge.py in get_result(self)
    572 
    573         llabels, rlabels = items_overlap_with_suffix(ldata.items, lsuf,
--> 574                                                      rdata.items, rsuf)
    575 
    576         lindexers = {1: left_indexer} if left_indexer is not None else {}
D:\Destination\lib\site-packages\pandas\core\internals.py in items_overlap_with_suffix(left, lsuffix, right, rsuffix)
   5242         if not lsuffix and not rsuffix:
   5243             raise ValueError('columns overlap but no suffix specified: '
-> 5244                              '{rename}'.format(rename=to_rename))
   5245 
   5246         def lrenamer(x):
ValueError: columns overlap but no suffix specified: Index(['dishes_id'], dtype='object')
"""

dishes_info.set_index("dishes_id", inplace=True)     # 該函數(shù)默認(rèn)不修改原數(shù)據(jù)，需要inplace配置項(xiàng)指定為True才保存修改
order_sample.set_index("dishes_id", inplace=True)

data = dishes_info.join(order_sample)