obj : 参与合并的对象，如：[df1, df2]
axis : 合并方向
join : 合并方式，outer 为外链接，取交集
join_axes : 设置需要显示的列名
ignore_index : 是否忽略原来DataFrame/Series 对象的索引，重新排列
keys : 为数据源设置多级索引标签
levels :如果设置keys的话, 指定用作层次化索引各级别（内层索引）上的索引
names :用于创建分层级别的名称，如果设置keys或levels的话
verify_integrity : 检查是否出现重复索引，引发异常
left ：参与合并的左侧DataFrame
right ：参与合并的右侧DataFrame
how ：连接方式：‘inner’（默认，交集）；还有，‘outer’、‘left’、‘right’
on ：用于连接的列名，必须同时存在于左右两个DataFrame对象中，如果位指定，则以left和right列名的交集作为连接键
left_on ：左侧DataFarme中用作连接键的列
right_on ：右侧DataFarme中用作连接键的列
left_index ：将左侧的行索引用作其连接键
right_index ： 将右侧的行索引用作其连接键
sort ：根据连接键对合并后的数据进行排序，默认为True。有时在处理大数据集时， 禁用该选项 可获得更好的性能
suffixes ：字符串值元组，用于追加到重叠列名的末尾，默认为（‘_x’,‘_y’）.例如，左右两个DataFrame对象都有‘data’，则结果中就会出现‘data_x’，‘data_y’
copy ：设置为False，可以在某些特殊情况下避免将数据复制到结果数据结构中。默认总是赋值
用法入门比较简单, 前人的博客写的蛮详尽了
Pandas详解十五之利用GroupBy技术进行分组
补充几点：
data : 用于制作数据透视表的 DataFrame的某列数据，输入列名即可
index ： 行分组标签
columns : 列分组标签
aggfunc : 汇总计算方法,默认为(mean) 可以用字典为不同的列指定不同的累计函数，此时data可以缺失
fill_value ：填充缺失值
dropna : 剔除缺失值
margins : 是否对边际进行aggfunc汇总
margins_name : 边际行/列的名称