合并groupby()中的子组以形成新的表pandas python2.7

import pandas as pd

# 创建两个DataFrame对象
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'key': ['K0', 'K1', 'K0', 'K1']})

df2 = pd.DataFrame({'C': ['C0', 'C1'],
                    'D': ['D0', 'D1'],
                    'key': ['K0', 'K1']})

# 使用merge()函数合并两个DataFrame对象
merged_df = pd.merge(df1, df2, on='key')

# 打印合并后的结果
print(merged_df)

    A   B key   C   D
0  A0  B0  K0  C0  D0
1  A2  B2  K0  C0  D0
2  A1  B1  K1  C1  D1
3  A3  B3  K1  C1  D1

import pandas as pd

# 创建两个DataFrame对象
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'key': ['K0', 'K1', 'K0', 'K1']})

df2 = pd.DataFrame({'C': ['C0', 'C1'],
                    'D': ['D0', 'D1'],
                    'key': ['K0', 'K1']})

# 使用concat()函数连接两个DataFrame对象
concatenated_df = pd.concat([df1, df2], axis=1)

# 打印连接后的结果
print(concatenated_df)

    A   B key   C   D key
0  A0  B0  K0  C0  D0  K0
1  A1  B1  K1  C1  D1  K1
2  A2  B2  K0  NaN NaN  K0
3  A3  B3  K1  NaN NaN  K1