merge、concat、join：三张表合并搞崩你的不是语法是逻辑

数据分析里很少只用一张表。订单表、用户表、商品表——三张拼一起才能出洞察。

但表合并是 Pandas 新手最容易写错的地方。今天把 concat、merge、join 的区别一次说清。

concat：简单粗暴的拼接

concat 就像在 Excel 里把两张表头一样的表上下贴在一起。

importpandasaspd df1=pd.DataFrame({"A":[1,2],"B":[3,4]})df2=pd.DataFrame({"A":[5,6],"B":[7,8]})# 纵向拼接（默认）result=pd.concat([df1,df2],ignore_index=True)print(result)# A B# 0 1 3# 1 2 4# 2 5 7# 3 6 8# 横向拼接result=pd.concat([df1,df2],axis=1)print(result)

列不一样怎么办？

df1=pd.DataFrame({"A":[1,2],"B":[3,4]})df2=pd.DataFrame({"B":[5,6],"C":[7,8]})# join="outer"：取并集，缺的地方填 NaNresult=pd.concat([df1,df2],join="outer")# A B C# 0 1.0 3 NaN# 1 2.0 4 NaN# 0 NaN 5 7.0# 1 NaN 6 8.0# join="inner"：取交集，只保留共有的列result=pd.concat([df1,df2],join="inner")# B# 0 3# 1 4# 0 5# 1 6

merge：像 SQL 的 JOIN

# 用户表users=pd.DataFrame({"user_id":[1,2,3,4],"name":["张三","李四","王五","赵六"],"city":["北京","上海","广州","深圳"]})# 订单表orders=pd.DataFrame({"order_id":[101,102,103,104,105],"user_id":[1,2,2,3,5],# 注意：user_id=5 不在用户表里"amount":[150,200,300,100,500]})

四种连接方式：

# inner：只保留两边都有的（交集）result=pd.merge(users,orders,on="user_id",how="inner")print(f"inner:{len(result)}行")# 4行，user_id=5被排除# left：保留左边全部，右边没有的填 NaNresult=pd.merge(users,orders,on="user_id",how="left")print(f"left:{len(result)}行")# 5行，赵六没有订单# right：保留右边全部result=pd.merge(users,orders,on="user_id",how="right")print(f"right:{len(result)}行")# 5行，user_id=5的用户信息是NaN# outer：两边都保留result=pd.merge(users,orders,on="user_id",how="outer")print(f"outer:{len(result)}行")# 6行

怎么选？记住这个：

列名不一样时

users=pd.DataFrame({"uid":[1,2,3],"name":["张三","李四","王五"]})orders=pd.DataFrame({"user_id":[1,2,2],"amount":[150,200,300]})# left_on 和 right_on 分别指定result=pd.merge(users,orders,left_on="uid",right_on="user_id")print(result)# 合并后删掉重复列result.drop(columns=["user_id"],inplace=True)

join：按索引合并

df1=pd.DataFrame({"A":[1,2,3]},index=["a","b","c"])df2=pd.DataFrame({"B":[4,5]},index=["a","c"])# join 按索引合并，默认 leftresult=df1.join(df2,how="left")print(result)# A B# a 1 4.0# b 2 NaN# c 3 5.0

merge 也可以按索引：pd.merge(df1, df2, left_index=True, right_index=True)。

合并后数据验证：防丢数据

# 合并前后行数检查print(f"users:{len(users)}, orders:{len(orders)}")result=pd.merge(users,orders,on="user_id",how="left")print(f"合并后:{len(result)}")# 检查有没有丢数据lost_users=set(users["user_id"])-set(result["user_id"])iflost_users:print(f"丢失的用户ID:{lost_users}")# 检查重复ifresult.duplicated(subset=["user_id"]).any():print("警告：有重复的 user_id！")

实战：订单+用户+商品三表联查

# 三张表users=pd.DataFrame({"user_id":[1,2,3],"name":["张三","李四","王五"],"level":["VIP","普通","VIP"]})products=pd.DataFrame({"product_id":[101,102,103],"product_name":["手机","电脑","耳机"],"category":["电子","电子","配件"]})orders=pd.DataFrame({"order_id":[1001,1002,1003,1004,1005],"user_id":[1,1,2,3,2],"product_id":[101,102,101,103,102],"quantity":[1,1,2,5,1],"price":[2999,5999,2999,199,5999]})# 三表合并full=orders.merge(users,on="user_id")\.merge(products,on="product_id")print("=== 完整订单明细 ===")print(full.head())# 分析：各等级用户消费print("\n=== 各等级消费总额 ===")print(full.groupby("level")["price"].sum())# 分析：各品类销量print("\n=== 各品类销量 ===")print(full.groupby("category")["quantity"].sum())# 各用户最常买的品类print("\n=== 用户偏好 ===")pref=full.groupby(["name","category"])["quantity"].sum()print(pref)

新手常见坑

坑1：合并后行数变多

# 右表有重复的关联键 → 行数膨胀# 比如一个用户有3条订单，合并后这个用户出现3次# 这是正常的，但要注意检查print(f"合并前行数：{len(df1)}+{len(df2)}={len(df1)+len(df2)}")print(f"合并后行数：{len(result)}")

坑2：关联键类型不一致

# df1 的 id 是 int，df2 的 id 是 str → 合并不上！df1["id"]=df1["id"].astype(str)# 或者df2["id"]=df2["id"].astype(int)

坑3：concat 时列顺序不对

# 列名对不上会创建新列# 先统一列名df2.columns=df1.columns result=pd.concat([df1,df2])

动手试试

1. 创建两张表，用 merge 做 inner join 并检查结果
2. 把三个 CSV 文件用 concat 拼成一个
3. 做一个三表联查的分析，输出汇总结果

写在最后

表合并是数据分析的基本功。三点建议：

1. 合并前print(len(df))确认行数
2. 合并后检查有没有丢数据
3. 搞清楚 inner/left/right/outer 的区别，别瞎试

下一篇开始画图——Matplotlib 入门。