import pandas as pd

# 创建第一个DataFrame
data1 = {'ID': [1, 2, 3],
         'NAME': ['Alice', 'Bob', 'Charlie'],
         'AGE': [25, 30, 35]}
df1 = pd.DataFrame(data1)
print(df1)
print("\n")

# 创建第二个DataFrame
data2 = {'ID': [1, 2, 3],
         'NAME': ['Bob', 'Charlie', 'Alice'],
         'CITY': ['New York', 'London', 'Paris']}
df2 = pd.DataFrame(data2)
print(df2)
print("\n")


# 使用merge方法对齐两个DataFrame的'NAME'列
merged_df = pd.merge(df1, df2, on='NAME')

# 打印对齐后的DataFrame
print(merged_df)

2）dataframe类型数据和geopandas类型数据对齐（对齐STATE_NAME字段）；

数据对齐前的两组数据集（两个数据集都有很多行，这里只截取其中一部分）：

数据对齐后得到一组geopandas类型数据：

可以看到通过STATE_NAME字段，将两个数据集合成了一个geopandas类型的数据集，具体是将两个数据集的所有列根据STATE_NAME字段排序并整合进一个数据集内，还有很多行和列，无法在一个界面显示，这里只截取一部分

代码

注意：代码运行前需要安装对于的模块，如pysal 、geopandas、libpysal等，可以在【Anaconda prompt中用pip install XXX命令下载】

具体下载过程可以参考博客：

下载geopandas包

import pysal as ps
import geopandas as gpd
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

# your code here
from libpysal import examples

#2009年的人均收入数据
income_data  = examples.get_path('usjoin.csv')
#用pandas读数据
usincome = pd.read_csv(income_data)

#重命名dataframe数据（usincome）的Name列
usincome.rename(columns={'Name':'STATE_NAME'}, inplace=True)
# print(type(usincome))
print("对齐前dataframe类型数据：\n")
print(usincome)

#48个州的形状
us_states  = examples.get_path('us48.shp')
us48 = gpd.read_file(us_states )
# print(type(us48))
print("\n对齐前geopandas类型数据：\n")
print(us48)

#数据对齐  STATE_NAME
merged_gdf = us48.merge(usincome, on='STATE_NAME')
# print(type(merged_gdf))
print("\n对齐后geopandas类型数据：\n")
print(merged_gdf)

参考：

(35条消息) python pandas.merge()函数详解_python中merge函数用法_Late whale的博客-CSDN博客pandas数据合并之一文弄懂pd.merge（） - 知乎 (zhihu.com)(35条消息) python pandas.merge()函数详解_python中merge函数用法_Late whale的博客-CSDN博客

--END--