pd.merge() combine deux DataFrames selon une colonne commune — l'équivalent pandas de la classe Client/Commande qui collaborent (vue au premier chapitre), mais appliqué à des tableaux entiers d'un coup.

import pandas as pd

produits = pd.DataFrame({
    "produit": ["riz", "huile", "sucre"],
    "prix": [5, 8, 3],
})

ventes = pd.DataFrame({
    "produit": ["riz", "sucre"],
    "quantite": [20, 15],
})

resultat = pd.merge(produits, ventes, on="produit")
print(resultat)

Ce code affiche un DataFrame à quatre colonnes (produit, prix, quantite), mais seulement pour riz et sucre : on="produit" indique la colonne commune servant à faire correspondre les lignes des deux DataFrames. huile, absente de ventes, n'apparaît pas dans le résultat — ce comportement par défaut s'appelle une jointure interne (*inner join*), qui ne garde que les correspondances trouvées dans les deux tableaux.

Pour garder toutes les lignes de produits, même sans vente correspondante (avec des valeurs manquantes NaN à la place), on précise how="left" :

resultat = pd.merge(produits, ventes, on="produit", how="left")

Ce code inclut aussi huile, avec quantite marquée NaN (*Not a Number*, la valeur manquante standard de pandas), faute de vente correspondante.

À vous de jouer : créez deux DataFrames avec une colonne commune, fusionnez-les avec pd.merge(), puis testez how="left" pour comparer le résultat.