Pythonpandas合并连接指南

Pandas 提供了多种表合并方式：merge（类 SQL 的 JOIN）、join（按索引合并）、concat（轴向拼接）、combine（按规则合并）等。

pd.merge()— 最通用的合并

基本用法

import pandas as pdleft = pd.DataFrame({    'key': ['A', 'B', 'C', 'D'],    'value_left': [1, 2, 3, 4]})right = pd.DataFrame({    'key': ['B', 'C', 'D', 'E'],    'value_right': [20, 30, 40, 50]})# 默认内连接（inner join）—— 取交集result = pd.merge(left, right, on='key')# key  value_left  value_right#   B           2           20#   C           3           30#   D           4           40

how参数 — 四种连接方式

# 内连接：只保留两表都存在的 keypd.merge(left, right, on='key', how='inner')# 左连接：保留左表所有行pd.merge(left, right, on='key', how='left')# 右连接：保留右表所有行pd.merge(left, right, on='key', how='right')# 外连接：保留两表所有行（并集）pd.merge(left, right, on='key', how='outer')# 交叉连接：笛卡尔积（pandas 1.2+）pd.merge(left, right, how='cross')

多列连接

left = pd.DataFrame({    '部门': ['技术', '技术', '销售'],    '城市': ['北京', '上海', '北京'],    '员工': ['张三', '李四', '王五']})right = pd.DataFrame({    '部门': ['技术', '技术', '销售'],    '城市': ['北京', '深圳', '北京'],    '评分': [95, 88, 76]})# 单列连接pd.merge(left, right, on='部门')  # 会产生重复# 多列连接（精确匹配）pd.merge(left, right, on=['部门', '城市'], how='inner')

不同列名连接

left = pd.DataFrame({    'emp_id': [1, 2, 3],    'name': ['张三', '李四', '王五']})right = pd.DataFrame({    'employee_id': [1, 2, 4],    'salary': [8000, 9000, 10000]})# 使用 left_on / right_onresult = pd.merge(left, right,                   left_on='emp_id', right_on='employee_id')

indicator— 追踪来源

result = pd.merge(left, right, on='key', how='outer', indicator=True)# 新增 _merge 列: 'both' / 'left_only' / 'right_only'# 自定义指示列名result = pd.merge(left, right, on='key', how='outer',                  indicator='来源')# 快速查看哪些 key 只在一侧print(result['来源'].value_counts())

suffixes— 重名列后缀

left = pd.DataFrame({'key': [1, 2], 'value': [10, 20]})right = pd.DataFrame({'key': [1, 2], 'value': [100, 200]})result = pd.merge(left, right, on='key',                  suffixes=('_左', '_右'))# key  value_左  value_右

DataFrame.join()— 按索引合并

left = pd.DataFrame(    {'A': [1, 2, 3]},    index=['a', 'b', 'c'])right = pd.DataFrame(    {'B': [10, 20, 30]},    index=['a', 'b', 'd'])# 按索引左连接left.join(right, how='left')# 按索引外连接left.join(right, how='outer')# 左表用列，右表用索引left_with_key = pd.DataFrame({    'key': ['a', 'b', 'c'],    'A': [1, 2, 3]})left_with_key.join(right.set_index('...'), on='key')  # 注意：left 不能有重复 key# 一次 join 多个 DataFrameright2 = pd.DataFrame({'C': [100, 200]}, index=['a', 'c'])left.join([right, right2], how='inner')

pd.concat()— 轴向拼接

纵向拼接（axis=0，默认）

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['a', 'b'])df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]}, index=['c', 'd'])# 纵向拼接result = pd.concat([df1, df2])# axis=0（默认）# 保留原索引result = pd.concat([df1, df2], ignore_index=True)  # 重建 0..N-1 索引# 添加分组键（生成 MultiIndex）result = pd.concat([df1, df2], keys=['第一组', '第二组'])# 可通过 result.loc['第一组'] 取回原数据# 添加分组键为列result = pd.concat([df1, df2], keys=['第一组', '第二组'],                   names=['组别', '原索引'])

横向拼接（axis=1）

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})result = pd.concat([df1, df2], axis=1)

join参数控制列对齐

df1 = pd.DataFrame({'A': [1, 2]}, index=['a', 'b'])df2 = pd.DataFrame({'B': [3, 4]}, index=['b', 'c'])pd.concat([df1, df2], axis=1, join='outer')   # 取并集（默认）pd.concat([df1, df2], axis=1, join='inner')   # 取交集

ignore_indexvsverify_integrity

# ignore_index: 忽略原索引，重建 0..N-1pd.concat([df1, df2], ignore_index=True)# verify_integrity: 检查索引是否有重复pd.concat([df1, df1], verify_integrity=True)   # 抛出 ValueError

pd.merge_asof()— 近似匹配连接

按最近（或最近且≤ / ≥）的键匹配，常用于时间序列对齐。

trades = pd.DataFrame({    'time': pd.to_datetime(['09:30:01', '10:15:30', '14:45:00']),    'price': [100.5, 101.2, 99.8]})quotes = pd.DataFrame({    'time': pd.to_datetime(['09:30:00', '10:00:00', '14:00:00', '15:00:00']),    'bid': [100.0, 101.0, 99.5, 100.5],    'ask': [101.0, 102.0, 100.5, 101.5]})# 匹配最近的前一个报价result = pd.merge_asof(trades, quotes, on='time')# direction 参数# 'backward' (默认): 取 quotes.time <= trades.time 的最后一行# 'forward': 取 quotes.time >= trades.time 的第一行# 'nearest': 取时间差的绝对值最小的行result_fwd = pd.merge_asof(trades, quotes, on='time', direction='forward')# tolerance: 限制最大时间差result_tol = pd.merge_asof(trades, quotes, on='time',                            tolerance=pd.Timedelta('5min'))

pd.merge_ordered()— 有序合并

类似 merge 但会对结果排序，并支持前向填充。

a = pd.DataFrame({'k': [1, 3, 5], 'a_val': [10, 30, 50]})b = pd.DataFrame({'k': [2, 3, 4], 'b_val': [20, 30, 40]})result = pd.merge_ordered(a, b, on='k')# 结果按 k 排序，缺失值 NaN# 前向填充result = pd.merge_ordered(a, b, on='k', fill_method='ffill')

combine/combine_first— 按元素值规则合并

df1 = pd.DataFrame({'A': [1, np.nan, 3], 'B': [4, 5, np.nan]})df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [40, np.nan, 60]})# combine_first: 用 df2 填充 df1 的缺失值result = df1.combine_first(df2)# df1 有值就用 df1，NaN 就用 df2# combine: 自定义合并规则result = df1.combine(df2, lambda s1, s2: np.where(s1 > s2, s1, s2))# 取每个位置较大的值result = df1.combine(df2, np.maximum)  # 等价写法

方法对比

总结