這一節，我們的目标是想把 transaction 資料 和 transaction_detail 資料 也合并到一起。
和上一節的concat合并（資料列相同）不同，這次的兩個資料集合，資料列是不同的。是以，合并時就會有下面的問題：
- 是将兩個資料集合的資料列全部合并？還是隻合并必要的資料列？
- 兩個資料集合合并的連接配接點是哪個資料列？
帶着上面的問題，我們還是回到劉先生的需求：如何讓自己的店鋪銷量越來越好？
- 顯然從銷量的角度，還是以更有利于分析的 transaction_detail 為主，transaction 為輔。也就是說，将 transaction_detail 中的資料列全部合并，而将 transaction 資料 中的部分資料列合并。至于選擇哪些資料列，則沒有要求，根據你的具體選擇而定。這裡我們将“payment_date”和“customer_id”合并進來。
- 通過觀察兩個資料集，可以發現共同存在的資料列是“transaction_id”，是以，就以這個資料列作為連接配接兩個資料集的紐帶。
代碼如下：
join_data = pd.merge(transaction_detail,transaction[["transaction_id","payment_date","customer_id"]],on="transaction_id",how="left")
join_data.head() 解釋一下代碼：
第1行：使用merge函數，将兩個資料集合橫向連接配接。
第1個參數：transactionn_detail，表示主資料集合.
第2個參數：transaction，表示副資料集合。"transaction_id","payment_date","customer_id"，表示從這個副資料集合中挑選出來的與主資料集合合并的資料列。
第3個參數：on="transaction_id"，表示兩個資料集合的共同資料列，用這個資料列進行關聯合并。
第4個參數：how="left"，表示連接配接方式是“left join”方式。
第2行：使用head()函數，将 join_data 變量的前5行顯示出來。
這裡介紹一下資料集合的連接配接方式，如下圖所示。
關于這4種連接配接方式的介紹，如下表所示：
| 連接配接方式 | 作用 |
| Inner join | 隻将兩個資料集中，共同的資料部分連接配接起來。 |
| Outer join | 将兩個資料全部連接配接起來。 |
| Right join | 将右側的資料完全連接配接，左側資料中，共同的資料部分會連接配接。 |
| Left join | 将左側的資料完全連接配接，右側資料中，共同的資料部分會連接配接。 |
接下來，點選"運作"，執行效果如下圖所示。
從執行結果來看，join_data的資料集合中，已經多出來“payment_date”資料列和“customer_id”資料列。
接下來，我們檢驗一下join_data的資料量，也就是行數。代碼如下：
print(len(transaction_detail))
print(len(transaction))
print(len(join_data)) 點選"運作"，執行效果如下圖所示。
可以發現，join_data 和 transaction_detail 的資料量都是7144，說明現在是以transaction_detail 為主資料集合。
按照同樣的方法，我們再将 join_data和customer_master，item_master，進行left join 連接配接。
代碼如下：
join_data = pd.merge(join_data,customer_master,on="customer_id",how="left")
join_data = pd.merge(join_data,item_master,on="item_id",how="left")
join_data.head() 點選"運作"，執行效果如下圖所示。
到此，我們就把分散的資料，全部都合并在一起了，接下來就可以分析了！
此處為語雀文檔，點選連結檢視：https://www.yuque.com/codeclub/yvmeco/friz9v