最安全的关联字段指定方式是显式使用left_on和right_on参数，如pd.merge(df_a, df_b, left_on="user_id", right_on="id")；列名相同时也建议用on明确指定，避免隐式匹配导致的错误。
merge 用哪个参数指定关联字段最安全
默认只认同名列，但实际数据里表 A 的 user_id 和表 B 的 id 才是同一维度。硬靠列名自动匹配会静默失败或错连。
必须显式用 left_on 和 right_on 指定：
pd.merge(df_a, df_b, left_on="user_id", right_on="id")
如果两边字段名碰巧一样（比如都是 order_id），也建议写上 on="order_id"，避免后续加列或重命名时意外崩掉。
inner / left / outer 这几种 join 类型的实际区别
不是“要不要丢数据”的简单选择，而是直接影响分析口径：
• how="inner"：只保留两表都有的键，适合核对一致性（比如确认订单表里所有用户都在用户表里）
• how="left"：保留左表全部行，右表无匹配则填 NaN，日常最常用，比如给订单补用户等级字段
• how="outer"：全集合并，但容易引入大量 NaN，查“哪些用户没下单”或“哪些订单找不到用户”时才用
漏掉 how 参数默认是 "inner"，不是 "left"，这点和 SQL 直觉相反，新手常踩坑。
merge 后列名重复怎么办
两表都有 name 列？merge 默认不会帮你改名，直接报 ValueError: columns overlap。
解决方式只有两个：
• 提前重命名冲突列：df_b.rename(columns={"name": "user_name"})
• 用 suffixes 参数让 merge 自动加后缀：suffixes=("_left", "_right")，结果列变成 name_left 和 name_right
别指望 merge 自己猜哪个该留哪个该删——它不删列，只报错。
性能差得离谱？先检查索引和数据类型
merge 慢通常和算法无关，是底层在做隐式类型转换：
• 左表 user_id 是 int64，右表 id 是 object（字符串）？merge 会逐行转类型，10 万行就卡死
• 关联字段没设索引？pandas 不像数据库有 B+ 树，纯靠哈希，但类型不一致时哈希失效，退化成嵌套循环
实操建议：
• 用 df.dtypes 对齐关键列类型
• 大表合并前先 df.set_index("key_col")，merge 时加 left_index=True, right_index=True，能快几倍
• 真要处理千万级？别硬扛，导出到 DuckDB 或 SQLite 再 join。
合并逻辑本身不复杂，难的是字段对不齐、类型不一致、重复列没处理——这些地方一错，结果看着像对的，其实全是错的。
