用pandas.merge做左外连接并识别a独有行的核心是：设a为左表、b为右表，how="left"且indicator=true，过滤_merge=="left_only"的行；_merge列值为"both"、"left_only"、"right_only"，分别表示两表共有、仅a有、仅b有。
用 pandas.merge 做左外连接并识别 A 独有行
核心思路是：把 A 表设为左表、B 表设为右表，用 how="left" 做外连接，再借助 indicator=True 生成的 _merge 列过滤出只在左表的记录。这不是“先查再比”，而是靠连接机制一次性标记归属。
常见错误是漏掉 indicator=True 或误用 how="outer"——外连接会保留两表所有行，无法直接区分“A 独有”；必须用左连接才能让 B 表缺失行自然产生 NaN，再配合指示列精准定位。
-
merge时指定on参数对齐关键字段（如id、name），多个字段传列表：on=["user_id", "date"] - 必须加
indicator=True，否则没有_merge列；可自定义列名：indicator="src" - 结果中
_merge == "left_only"的行，就是 A 有、B 没有的数据
pandas 中 _merge 列的三个取值含义
_merge 是布尔型指示列的字符串化结果，只有三种可能值，直接决定过滤逻辑：
-
"both"：该行在 A 和 B 中都存在（交集） -
"left_only"：仅存在于 A 表（目标结果） -
"right_only"：仅存在于 B 表（不属于本次需求，但可用于反向查询）
注意：_merge 类型是 category，不是 str，但比较时可直接用字符串字面量；若后续要导出或做其他操作，建议显式转成 str：df["_merge"].astype(str)。
性能与内存注意事项
当 A 或 B 表超过百万行时，merge 可能变慢甚至 OOM，原因在于 pandas 默认不假设键有序，会做全量笛卡尔候选匹配。
- 提前对连接字段排序并设置
sort=False（默认为True）能省掉一次内部重排 - 若 A、B 的连接键都是唯一且已索引，考虑用
set_index+reindex替代merge，速度通常快 2–5 倍 - 大表慎用
indicator=True，它会让 pandas 多维护一列分类信息；小表无感，超 100 万行时可观测到约 5–10% 内存开销上升
替代方案：用 isin + 取反逻辑（适合单字段主键）
如果只是判断某列（如 id）是否在 B 表中出现过，且 B 表该列无重复，isin 更轻量：
result = df_a[~df_a["id"].isin(df_b["id"].drop_duplicates())]
但它不能处理多字段联合判断（比如 (user_id, date) 元组是否存在），也不保留 B 表的任何字段；而 merge 方案天然支持多键、可带出 B 表字段用于调试，且语义更贴近“外连接后过滤”的原始需求。
真正容易被忽略的是：B 表连接字段若有空值（NaN），isin 会自动跳过它们（pandas 规则），但 merge 会把 NaN 当作有效键参与匹配——若业务上 NaN 不应参与判断，务必先 dropna(subset=["key_col"])。
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！
