什么时候用 left join#

当左表是分析主体时使用左连接。例如订单表是主体，用户表只是补充用户等级；图片清单是主体，标注表只是补充类别信息。

左连接应该保证左表记录不丢失，但不保证行数一定不变。如果右表同一个键有多行，行数会被放大。

合并前检查键#

1
print(orders["user_id"].isna().sum())
2
print(users["user_id"].duplicated().sum())
3
print(users[users["user_id"].duplicated(keep=False)].head())

如果右表键不唯一，要先决定聚合、去重，还是允许一对多合并。

带指示列合并#

1
merged = orders.merge(
2
    users[["user_id", "level"]],
3
    on="user_id",
4
    how="left",
5
    indicator=True,
6
)
7

8
print(orders.shape, merged.shape)
9
print(merged["_merge"].value_counts())

indicator=True 会生成 _merge，可以快速看到哪些左表记录没有匹配到右表。

常见问题#

• 两个表的键类型不同，一个是数字，一个是字符串。

• 键里有前后空格，肉眼看一样但实际匹配不上。

• 右表重复键导致合并后行数变多。

• 合并后同名列出现 _x、_y，说明字段设计需要整理。

实战复盘#

写《pandas merge 左连接笔记》这类数据分析文章时，我会强制保留“检查点”。因为数据分析里最危险的不是报错，而是代码顺利跑完却得到错误结论。

一个合格的 pandas 步骤，至少要能回答：输入多少行、输出多少行、哪些字段被修改、失败值有多少、是否有样本可以人工复核。缺少这些信息，代码就很难进入正式流程。

如果以后把这些文章串成系列，可以按读取、检查、清洗、变换、统计、导出排列。这样读者能从原始数据一路走到可交付结果。

最小验收样例#

验收《pandas merge 左连接笔记》时，我会手写一个三到五行的小 DataFrame：一行正常数据，一行缺失或异常数据，一行边界数据。先让示例在小表上跑通，再换成完整数据集。

小表的好处是结果可以人工计算。只要人工结果和 pandas 输出对不上，就说明代码逻辑或字段口径还没想清楚。这个过程比直接在大表上调试更可靠。

小结#

merge 的风险不在语法，而在数据关系。每次左连接都要确认键、行数和未匹配记录。