连接：merge 基础

merge：按键连接两张表

concat 是把表”摞”起来，merge 是把两张表”拼”起来：拿一列（或几列）当钥匙（key），值相同的行配对合并。这就是数据库里的 JOIN，用过 SQL 会非常眼熟。

import pandas as pd

students = pd.DataFrame({
    "学号": ["S001", "S002", "S003"],
    "姓名": ["张三", "李四", "王五"],
})
scores = pd.DataFrame({
    "学号": ["S001", "S002", "S003"],
    "数学": [85, 92, 78],
})

result = pd.merge(students, scores, on="学号")
print(result)

on 指定两表同名的键列。结果里”学号”只出现一次，两边其余列并排合在一起。

merge 的基本流程：

1. 确定键列（同名用 on，不同名用 left_on/right_on）；
2. 确定连接模式 how；
3. 合并后检查行数变化是否符合预期。

how：四种连接模式

merge 默认 inner（内连接），只保留两边键都匹配的行。how 参数切换模式：

scores2 = pd.DataFrame({
    "学号": ["S001", "S002", "S004"],
    "数学": [85, 92, 66],
})

print(pd.merge(students, scores2, on="学号", how="inner"))
print(pd.merge(students, scores2, on="学号", how="left"))
print(pd.merge(students, scores2, on="学号", how="right"))
print(pd.merge(students, scores2, on="学号", how="outer"))

• inner：交集，两边都有的学号；
• left：以左表为准，右表没匹配到的填 NaN；
• right：以右表为准，左表没匹配到的填 NaN；
• outer：并集，两边独有行都保留，缺失填 NaN。

四种模式对应 SQL 的 INNER JOIN、LEFT/RIGHT OUTER JOIN、FULL OUTER JOIN。没匹配上的位置一律填 NaN，所以连接后出现 NaN 不一定数据有缺失，可能是键没配上。想区分这两种情况，用下一章的 indicator。

结果列的顺序也有规律：键列保持在左表中的原位置，后面接右表其余列。想调整顺序，合并后用 df[列名列表] 重排即可。

还有个 cross 模式：不按键匹配，两表所有行两两组合（笛卡尔积），行数等于两边行数相乘：

a = pd.DataFrame({"x": ["a", "b"]})
b = pd.DataFrame({"y": [1, 2, 3]})
print(pd.merge(a, b, how="cross"))

键不在同一列：left_on / right_on

两表键列名不同时，分别指定：

scores3 = pd.DataFrame({
    "student_id": ["S001", "S002", "S003"],
    "数学": [85, 92, 78],
})

result = pd.merge(students, scores3, left_on="学号", right_on="student_id")
print(result)

结果里”学号”和”student_id”都在，内容一样，想清爽就合并后 drop 掉一列。

一对一、一对多：行数怎么变

merge 的结果行数由键的匹配情况决定：

1. 一对一：两边键都唯一，一行配一行；
2. 一对多：一边键唯一、另一边有重复，重复方每行配一次，行数变多；
3. 多对多：两边都有重复键，配对组合相乘（笛卡尔积），行数膨胀最快。

判断”谁重复谁就是多”：每个学号一个学生、每个班级一个教室，键就该唯一；一条订单多行明细，订单号必然重复。

先看一对多：一个班级配一个教室，但左表里班级重复出现。

left = pd.DataFrame({
    "班级": ["1班", "1班", "2班"],
    "班主任": ["陈老师", "陈老师", "刘老师"],
})
right = pd.DataFrame({"班级": ["1班", "2班"], "教室": ["A101", "A102"]})

result = pd.merge(left, right, on="班级")
print(result)

左表”1班”两行，右表”1班”一行，结果里两行各自配上教室 A101。方向反过来（左表唯一、右表重复）效果对称。

多对多更刺激：两边各有两个”1班”，结果里会出现 2×2 个”1班”的组合行。键重复 + outer 的组合也一样按笛卡尔积配对，只是独有行额外保留：

dl = pd.DataFrame({"A": [1, 2], "B": [2, 2]})
dr = pd.DataFrame({"A": [4, 5, 6], "B": [2, 2, 2]})
print(pd.merge(dl, dr, on="B", how="outer"))

B=2 在两边都重复，结果 2×3=6 行，同名列自动加 _x/_y 后缀区分。

连接后的 NaN 怎么处理

连接产生的 NaN 是”没配上”的标记，不是脏数据。要不要清掉看业务：left 连接后右表列出现 NaN，说明左表这些行在右表没有对应记录，这本身就是信息，不该随手 dropna 掉。

想清理时用 §24/25 的 dropna/fillna；想区分”原本就缺失”和”连接没配上”，用下一章的 indicator。

索引也能当键

键不一定是普通列。想按索引对齐（像 concat 的对齐那样），用 left_index=True / right_index=True：

scores_by_index = scores.set_index("学号")
result = pd.merge(students, scores_by_index, left_on="学号", right_index=True)
print(result)

left_index/right_index 和 left_on/right_on 可以混用——一边按列、一边按索引，是”主表 + 字典表”连接时的常见写法。更省事的索引连接是 DataFrame.join，它默认按索引配对，§36 再展开。先把列键连接玩熟。

小结

merge 按键列连接两张表：on 指定同名键、how 切换四种模式（inner/left/right/outer）、left_on/right_on 处理异名键。行数变化由键的匹配情况决定——一对多会变多、多对多会膨胀，连接前先查键的唯一性。没配上的位置填 NaN，那不是脏数据，是”没对上”的标记。