pd.merge()默认是内连接而非按行拼接，只保留连接键在左右表中都存在的行；常见错误包括类型不一致、列名不同、重复键导致笛卡尔积，应检查dtypes、统一列名、合理选how参数，并避免误用merge替代concat。
merge函数默认是内连接，不是按行拼接
很多人第一次用 pd.merge() 时以为它和 pd.concat() 一样是“堆叠”，结果发现行数变少了——这是因为它默认做的是 SQL 风格的内连接（inner join），只保留左右 DataFrame 在连接键上都存在的行。
常见错误现象：pd.merge(df1, df2, on="id") 返回空或远少于预期的行，但检查发现两边都有 "id" 列，只是部分值为 NaN 或类型不一致（比如一端是 int64，另一端是 object）。
- 连接前务必用
df.dtypes检查连接列类型是否一致，不一致先转成相同类型（如都转str或都用pd.to_numeric(..., errors="coerce")） -
on参数要求列名完全相同；若列名不同，改用left_on和right_on - 默认
how="inner"，要外连接必须显式指定how="left"、how="right"或how="outer"
left join 和 outer join 的行为差异很关键
左连接（how="left"）保留左表全部行，右表无匹配则补 NaN；全外连接（how="outer"）保留左右表所有行，任一侧缺失即补 NaN。实际中容易误选 outer 导致结果膨胀——尤其当某表有重复连接键时，merge 会做笛卡尔积式匹配。
- 如果左表某
id出现 3 次，右表同id出现 2 次，how="left"会生成 3 行（右表字段重复填充），how="outer"会生成 5 行（含右表独有行） - 检查重复键：用
df.groupby("key").size().max() > 1快速判断是否有多对一/多对多情况 - 避免意外爆炸：合并前加
validate="m:1"或validate="1:1"（Pandas ≥ 1.1.0），触发报错而非静默出错
多个DataFrame不能直接 merge，得链式调用或循环
pd.merge() 只接受两个 DataFrame，想合并三个及以上，必须两两进行。常见做法是链式调用，但顺序会影响结果——尤其是用 how="left" 时，中间某次 merge 若丢掉关键行，后续无法挽回。
- 推荐先用
how="outer"合并所有表，再根据业务逻辑过滤；或明确主表，始终以它为 left，其余依次merge(..., how="left") - 避免写成
pd.merge(df1, df2, ...).merge(df3, ...)这种易读性差的长链，封装成函数更可控：
def merge_multiple(dfs, on, how="left"):
result = dfs[0]
for df in dfs[1:]:
result = pd.merge(result, df, on=on, how=how)
return result
- 若各表连接键名不同（如
"user_id"、"uid"、"id"），提前统一重命名比在每次merge中写left_on/right_on更清晰
merge比concat慢得多，别在循环里反复merge小表
每次 pd.merge() 都要建哈希表、对齐索引、处理缺失值，时间复杂度接近 O(n×m)；而 pd.concat() 是纯内存拼接，接近 O(n+m)。如果本意只是把结构相同的表“堆起来”，却用了 merge，性能会断崖下跌。
- 典型误用场景：用
merge拼接每日日志表（每张表都有date、event等字段，无关联逻辑），应改用pd.concat([df1, df2, df3], ignore_index=True) - 真正需要
merge的信号：出现on、left_on、right_on，且左右表字段明显不对称（如用户表 + 订单表） - 大数据量时，可先用
df.set_index(key).sort_index()加速 merge，但注意 index 类型需一致
连接逻辑一旦嵌套三层以上，或者涉及空值/重复键/类型混杂，就很容易产出不符合直觉的结果——这时候别急着调参数，先用 df.head() 和 df.isna().sum() 看清楚每一步的中间态。
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！
