pandas 库 merge 函数使用说明及其示例

发表于 2026-05-08 分类于 Python ， pandas ， DataFrame 阅读次数： Waline：阅读时长 ≈ 2 分钟

🔗 `pd.merge` 是做什么的？

简单说，pd.merge 就是数据界的“连连看”。
它能把两张表格（DataFrame），按照共同的列（或索引）拼成一张大表，就像一个会自动对齐的超级胶水 🤝。
在数据处理中，我们经常会有“根据一个关键字段，把分散在不同表里的信息合并到一起”的需求——这恰好就是 merge 的拿手好戏。

# 选取 df_1 中需要合并的列
cols_to_merge = ["条码", "装框", "有贴膜", "外观",]
df_1_subset = df_1[cols_to_merge]

# 左连接，将信息并入 df_2
df_2 = pd.merge(df_2, df_1_subset , on="条码", how="left") 
参考上述内容，给出 pd.merge 的函数用法说明（参数解释使用表格呈现），并给出一个示例，其中要求以教程语气，可适当添加Emoji

正文下述内容由以上DeepSeek 2026-05-08生成

👋 嗨，今天我们来深入认识一下 pandas 里超级实用的 pd.merge 函数！它就像 Excel 中的 VLOOKUP，但更灵活～

你的这段代码：

cols_to_merge = ["条码", "装框", "有贴膜", "外观"]
df_1_subset = df_1[cols_to_merge]
df_2 = pd.merge(df_2, df_1_subset, on="条码", how="left")

其实就是在做 左连接，把 df_1_subset 里的额外信息，按照 "条码" 这一列，补充到 df_2 里。
下面我们就来系统学习 pd.merge 的完整用法吧 📚

🔗 `pd.merge` 函数用法说明

基本函数签名：

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
         left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'),
         copy=True, indicator=False, validate=None)

常用参数详解 📋

参数	类型	说明	常用值 / 示例
`left`	DataFrame	左表，合并后保留的基础表	`df_2`
`right`	DataFrame	右表，提供额外信息的表	`df_1_subset`
`how`	str	连接方式 ⭐	`'left'` (左连接，保留左表所有行) `'right'` (右连接) `'inner'` (内连接，只保留匹配行) `'outer'` (外连接，两表并集) `'cross'` (笛卡尔积)
`on`	str 或 list	用于连接的列名，该列必须在左右表中同时存在	`"条码"` 或 `["条码", "批次"]`
`left_on`	str 或 list	左表用于连接的列，当左右键名不同时使用	`"条码_id"`
`right_on`	str 或 list	右表用于连接的列	`"条码"`
`left_index`	bool	是否用左表的行索引作为连接键	`True` / `False` (默认)
`right_index`	bool	是否用右表的行索引作为连接键	`True` / `False` (默认)
`suffixes`	tuple	当左右表有重名列（非连接键）时，自动添加的后缀	`('_x', '_y')` 默认，可改为 `('_左', '_右')`
`indicator`	bool 或 str	添加一列 `_merge`，显示每行数据来源（仅左、仅右、两者都有）	`True` 或 `'来源'` 自定义列名
`validate`	str	验证数据合并是否有重复（报错用）	`'one_to_one'`, `'one_to_many'`, `'many_to_one'`, `'many_to_many'`

🧪 实战教程：左连接补全信息

想象一下，我们有两张表格 📊

df_2：产品清单，有“条码”、“产品名”和“价格”
df_1：质检档案，记录了“条码”、“装框”、“有贴膜”、“外观”

需求是把质检信息合并到产品清单里，所有产品都要保留，找不到质检数据的暂时空着。这就是 左连接（how='left'） 的经典场景！

1️⃣ 创建示例数据

import pandas as pd

# 质检表 df_1
df_1 = pd.DataFrame(
    {
        "条码": ["A001", "A002", "A003"],
        "装框": ["是", "否", "是"],
        "有贴膜": ["是", "否", "是"],
        "外观": ["完好", "轻微划痕", "完好"],
    }
)

# 产品表 df_2（注意 A004 在质检表中没有记录）
df_2 = pd.DataFrame(
    {
        "条码": ["A001", "A002", "A004"],
        "产品名": ["手机壳", "屏幕膜", "充电线"],
        "价格": [29.9, 15.0, 39.0],
    }
)

此时查看两张表：

🔹 df_2 (左表)
   条码  产品名   价格
0  A001  手机壳  29.9
1  A002  屏幕膜  15.0
2  A004  充电线  39.0

🔸 df_1 (右表)
   条码 装框 有贴膜   外观
0  A001   是    是   完好
1  A002   否    否  轻微划痕
2  A003   是    是   完好

2️⃣ 挑选需要的列，准备右表

cols_to_merge = ["条码", "装框", "有贴膜", "外观"]
df_1_subset = df_1[cols_to_merge]

📌 这里的 df_1_subset 就是我们准备贴到左表上的“信息贴纸”。

3️⃣ 执行左连接 ✨

df_2 = pd.merge(df_2, df_1_subset, on="条码", how="left")

4️⃣ 查看合并结果 🎉

print(df_2)

   条码  产品名   价格  装框  有贴膜   外观
0  A001  手机壳  29.9   是    是    完好
1  A002  屏幕膜  15.0   否    否  轻微划痕
2  A004  充电线  39.0  NaN   NaN   NaN

🎯 完美！

A001、A002 的质检信息成功补入 ✅
A004 虽然质检表里没有，但因为用了 how='left'，所以左表行保留，对应右表列为 NaN
A003 只在右表中存在，左连接不会把它加进来（这保护了左表的完整性）

⚠️ 几个贴心小提示

如果左右表除了 "条码" 外还有 重名列（比如都有“备注”），合并后会自动加上后缀 _x 和 _y，你可以用 suffixes=('_产品','_质检') 让它更易读 😉
想看清哪些行成功匹配？加上 indicator=True，会多出一列 _merge，帮你标记 left_only、right_only、both 🔍
连接键列名不一样？别急，用 left_on + right_on 组合就好，例如
pd.merge(df_2, df_1, left_on="产品条码", right_on="条码", how="left")

🔗 pd.merge 是做什么的？

🔗 pd.merge 函数用法说明