join默认按索引对齐而非列名，需先set_index("id")再join；否则用merge更直观；how参数决定基准索引，suffixes必须显式指定避免列名冲突；join仅在纯索引对齐时比merge快。
join 用错索引类型，结果全是 NaN
默认情况下 join 是按行索引对齐合并的，不是按列名。如果你的两个 DataFrame 索引是默认的 RangeIndex（0, 1, 2…），但实际想按某列（比如 "id"）匹配，直接 df1.join(df2) 就会错位——因为它们都用 0/1/2 对齐，而不是按 id 值匹配。
正确做法是先设好索引：
- 若 df2 有
"id"列且你想用它匹配：用df2.set_index("id")再 join - 若 df1 也要按
"id"匹配：提前df1 = df1.set_index("id") - 不改原索引？那就别用
join，改用merge更直觉
left、right、outer、inner 这几种 how 的实际影响
how 参数决定保留哪些行，不是“要不要丢数据”，而是“以哪边的索引为基准”。例如 df_left.join(df_right, how="left") 表示：结果行数 = df_left 的行数，df_right 中没有对应索引的列填 NaN。
-
how="left"：结果索引完全来自左边，右边缺失即NaN -
how="right"：结果索引完全来自右边，左边没匹配上的整行丢掉（除非你明确要右表主控） -
how="outer"：并集，两边索引都保留，缺的一方补NaN—— 容易意外膨胀行数 -
how="inner"：交集，只留两边都有的索引 —— 最安全，但可能丢数据
常见误用：how="outer" 合并两个带时间索引的序列时，会把所有时间点都拉进来，中间大量 NaN，后续 resample 或 plot 容易报错。
列名冲突时，suffixes 参数必须显式指定
如果两个 DataFrame 有同名列（比如都有 "value"），join 默认不报错，但会静默重命名成 "value" 和 "value_2" —— 这个规则不稳定，不同 pandas 版本可能不同，而且你根本不知道哪个是哪个。
- 务必加
suffixes=("_left", "_right")这类明确后缀 - 不能只写一个后缀，必须是二元组，哪怕另一个为空：
suffixes=("", "_r") - 如果已经存在
"value_left"和"value_r"，再 join 第三个同名列，仍会触发自动编号（如"value_left_2"），所以最好提前重命名避免嵌套
join 比 merge 快，但只在索引对齐场景下成立
很多人听说 join 比 merge 快就无脑换，其实前提是：两表索引已对齐，且你不需要 on / left_on / right_on 这类列级控制。一旦你要按列匹配，join 就得先 set_index，这步开销可能抵消甚至超过 merge 本身。
- 纯索引对齐（比如两个时间序列按日期索引合并）：用
join，快且语义清晰 - 按列匹配（比如用户表 join 订单表，靠
"user_id"）：直接merge，少两步 set_index + reset_index - 混合场景（一边是索引，一边是列）：统一转成列用
merge，别硬套join
最常被忽略的一点：join 不支持 validate 参数，没法校验一对一/一对多关系，merge 可以。线上跑批时，少这层检查容易漏掉脏数据。
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！
