merge表连出全NaN的根本原因是关联字段名或类型不一致，需显式指定left_on/right_on并统一dtype；concat需注意索引对齐、列匹配及axis参数；混用时须检查重复与key唯一性，并为连接键设索引提升性能。
merge 用不对，表连出来全是 NaN
根本原因是 merge 默认按列名严格匹配，但两表的关联字段名不一致（比如左表叫 "user_id"，右表叫 "id"），或类型不一致（如一端是 int64，另一端是 object 字符串）。这时候 merge 不报错，但所有连接结果都是 NaN。
- 务必先检查关联列：用
df1["col"].dtype和df2["col"].dtype确认类型一致；用df1.columns和df2.columns对比字段名 - 字段名不同时，显式指定：
pd.merge(df1, df2, left_on="user_id", right_on="id") - 类型不一致时，优先转成相同类型，比如：
df2["id"] = df2["id"].astype("int64")，别依赖自动转换 -
how="inner"是默认值，如果想保留左表全部行，得写明how="left"，否则容易漏数据
concat 堆叠后索引乱、列对不齐
concat 不是“粘一起就完事”，它默认按索引对齐列。如果两张表列名不完全一致，缺失列会自动补 NaN；如果索引是默认 RangeIndex 但长度不同，拼完索引会重复或跳号，后续 groupby 或取数容易出错。
- 列对不齐？加参数
ignore_index=True重置行索引，避免拼接后索引混乱 - 列不全？加
sort=False保持原始列顺序，加join="outer"（默认）保留所有列，或join="inner"只留共有的列 - 想按列方向拼（即横向合并）？必须明确写
axis=1，且两表行数必须严格相等，否则报ValueError: Shape mismatch - 常见误用：
pd.concat([df1, df2], axis=0)却没重置索引，导致.iloc[100]实际取到的是 df2 的第 0 行
merge 和 concat 混用时的隐性陷阱
实际业务中常先 concat 多个来源的明细表，再 merge 维度表。但若 concat 后没去重或没处理重复索引，merge 时可能一对多爆炸式膨胀——比如 1 个用户在 concat 后出现 3 次，再和用户维度表 merge，就变成 3 行重复数据。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- concat 后立刻检查：
df_combined.duplicated().sum()和df_combined.index.is_unique - merge 前确认连接键唯一性：对维度表，用
dim_df["key"].is_unique；对事实表，fact_df["key"].duplicated().any()要为False（除非本就是多对一场景） - 不要省略
validate参数：比如pd.merge(fact, dim, on="user_id", validate="m:1")，pandas 会主动校验并报错，比事后 debug 强得多
性能差不是数据大，是 key 没设索引
当 merge 的左表或右表超过 10 万行，且连接字段没做预处理，merge 会退化成嵌套循环，耗时飙升。这不是 pandas 本身慢，而是没利用哈希表加速。
- 对高频连接的字段，提前设为索引：
df.set_index("user_id", inplace=True)，再用join（底层更优）替代merge - 或者用
pd.merge(..., sort=False)关掉默认排序——排序本身在大数据量下开销不小 - 内存吃紧？加
copy=False（仅当确定不修改原 df 时），避免冗余拷贝 - 注意：
concat本身不触发计算，但后面紧跟merge或groupby时，前面 concat 的低效操作会被放大
最常被跳过的一步：merge 前没验证 key 是否为空、是否含不可见字符（比如空格、\u200b）。这类问题不会报错，但连出来的结果永远少几条，查半天才发现是 "123 " 和 "123" 对不上。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
