Python pandas多表合并concat merge详解

区分concat纵向拼接、merge按键关联、join按索引关联三种合并方式，覆盖Excel里常见的多sheet拼表、两表VLOOKUP场景。

场景痛点

Excel里想把三个月的表拼到一起，再用VLOOKUP把客户表的名称补到订单表，手动操作步骤多还容易错位。pandas里 concat 做纵向拼表，merge 做按键关联，等价于SQL的JOIN，几行代码搞定。

用到的库

pip install pandas

完整代码

import pandas as pd

def merge_demo():
# 订单表：两个月份的数据
orders_jan = pd.DataFrame({
"order_id": ["A001", "A002"],
"cust_id":  [1, 2],
"amount":   [1000, 2000],
})
orders_feb = pd.DataFrame({
"order_id": ["B001", "B002"],
"cust_id":  [1, 3],
"amount":   [1500, 800],
})

# 客户表
customers = pd.DataFrame({
"cust_id":  [1, 2, 3],
"cust_name": ["甲公司", "乙公司", "丙公司"],
"city":     ["北京", "上海", "深圳"],
})

# 1. concat：纵向拼表（上下拼）
all_orders = pd.concat([orders_jan, orders_feb], ignore_index=True)
print("拼接后订单：")
print(all_orders)

# 2. merge：按键关联，左连接订单和客户
merged = pd.merge(
all_orders,
customers,
on="cust_id",      # 两边都叫cust_id；不同列名用 left_on/right_on
how="left",        # left/inner/right/outer
)
print("\n关联客户后：")
print(merged)

# 3. 横向拼接（左右拼）：索引对齐
extra = pd.DataFrame({"discount": [0.9, 1.0, 0.95, 1.0]})
side_by_side = pd.concat([merged, extra], axis=1)
print("\n横向拼上折扣列：")
print(side_by_side)

if __name__ == "__main__":
merge_demo()

代码讲解

pd.concat([df1, df2], ignore_index=True) 纵向拼表，要求列名一致；ignore_index=True 重新编号行号，避免重复索引。
pd.concat(..., axis=1) 横向拼表，按索引对齐，索引对不上会产生NaN。
pd.merge(df1, df2, on="cust_id", how="left") 等价于SQL的LEFT JOIN。how="inner" 是只保留匹配上的，outer 全保留。
两表关联字段名不同时，用 left_on="订单客户号", right_on="客户ID"。
merge后同名非关联列会自动加 _x、_y 后缀，用 suffixes=("_订单", "_客户") 指定。