• left, right :Merge의 대상이 되는 DataFrame( Series면 DataFrame으로 변환해야 함)
• how:기본은 'inner'로 되어 있고. left, right, outer를 선택할 수 있음
• on :merge의 기준이 되는 key변수, left와 right에 동일 컬럼명 있을 경우 사용(Must be found in both DataFrames)
• left_on, right_on: 왼쪽, 오른쪽 각각 merge의 기준이 되는 key변수. (label or list)
• left_index, right_index:기본으로 False이며 True이면 Merege 키로 사
• suffixes=('_x', '_y'):중복 컬럼시 접두어를 선택할 수 있음.
• indicator = Merge된 DataFrame에 how에 따른 left_only, right_only, both의 출처를 표시.

중요 인자를 보면

• objs: DataFrame, Series
• axis=0:기본은 0으로 되어 있어 상하로 합치고, 1로 선택하면 좌우로 합침
• join='outer: 기본은 outer로 되어 있 합집합을 합치고, 'inner'를 선택하면 교집합을 합침

Append는 Concat과 비슷하지만 DataFrame에만 적용되고 오직 DataFrame의 세로축으로만 마지막에 추가되고 return 값으로 DataFrame을 반환하다.

• Append의 인자로는 DataFrame, Series, dict-like object, list등이 사용 될 수 있다.

Pandas에서는 sort_values메소드를 사용하여 columns과 index(row) 별로 정렬할 수 있다. Sort_Values Docs

• index(row)로 정렬 할 경우에는 sort_values에 추가적으로 axis = 1가 필요하다.
• 컬럼이 2개인 인상인 경우에는 다음과 형태로 표현한다. df.sort(['A', 'B'], ascending=[1, 0])

sort_index를 사용하여 index의 label을 정렬할 수 있다.Sort_Index

• 축이 세로 방향인 index level을 정렬할 경우에는 axis가 필요없지만 축이 가로 방향인 column level 을 정렬할 경우에는 axis = 0가 필요하다.

• levels : 계층에 대한 이름(The unique labels for each level)
• labels : 각 이름별 계층 위치 (Integers for each level designating which label at each location)
• names : 레벨에 대한 이름( Names for each of the index levels.)

• from_arrays(arrays[, sortorder, names])
• from_tuples(tuples[, sortorder, names])
• from_product(iterables[, sortorder, names])

1. reset_index: index를 columns의 하나로 변형시키고 0부터 n-1 까지 새로운 index를 추가
2. set_index: reset_index와는 반대로 columns 중에 하나를 index로 변경
3. drop([row]) : index의 row를 삭제함
4. drop([col], axis=1): 컬럼을 삭제
5. df[df.name != 'Tina']: 특정컬럼의 조건 로우만 삭제
6. 컬럼이름 변경: df.rename
7. 컬럼 Slicing을 통한 DataFrame내 컬럼 내 위치변경