当前位置：首页 > news >正文

搞懂 pandas 中的 concat、merge、join：三者到底有什么区别？

news 2026/5/12 0:26:29

🔗 搞懂 pandas 中的`concat`、`merge`、`join`：三者到底有什么区别？

你是不是也经常困惑：

什么时候用pd.concat()？
什么时候该用df.merge()？
df.join()又是什么？跟 merge 有啥不同？

别急！今天我们就用最直白的语言 + 可运行的代码，一次性讲清楚这三个“拼表”操作的区别和使用场景！

❝
✅ 所有示例数据均由代码生成，无需任何外部文件，复制即用！

🧰 准备工作：导入库 + 构造示例数据

import pandas as pd # 表1：用户基本信息 users = pd.DataFrame({ 'user_id': [1, 2, 3, 4], 'name': ['Alice', 'Bob', 'Charlie', 'Diana'], 'city': ['北京', '上海', '广州', '深圳'] }) # 表2：用户订单信息 orders = pd.DataFrame({ 'order_id': [101, 102, 103, 104], 'user_id': [1, 2, 3, 5], # 注意：user_id=5 在 users 中不存在 'amount': [200, 150, 300, 99] }) # 表3：用户登录日志（索引为 user_id） logins = pd.DataFrame({ 'last_login': ['2026-02-10', '2026-02-12', '2026-02-13', '2026-02-14'] }, index=[1, 2, 3, 4]) # 索引是 user_id

现在我们有三张表：

users：用户主表（含 user_id）
orders：订单表（通过 user_id 关联）
logins：登录日志（以 user_id 为索引）

接下来，就看它们如何“拼”在一起！

1️⃣`pd.concat()`：上下 or 左右“堆叠”——结构相同，直接拼接

❝
🎯 适用场景：合并多个结构相似的 DataFrame（比如多个月份的销售表、多个实验结果）

示例：纵向拼接（axis=0，默认）

extra_users = pd.DataFrame({ 'user_id': [5, 6], 'name': ['Eva', 'Frank'], 'city': ['杭州', '成都'] }) all_users = pd.concat([users, extra_users], ignore_index=True) print(all_users)

✅ 输出：6 行用户数据，“堆”在一起。

示例：横向拼接（axis=1）

# 把 users 和 logins 按索引横向拼（需对齐索引） result = pd.concat([users.set_index('user_id'), logins], axis=1) print(result)

⚠️ 注意：concat不基于列内容匹配，只按索引或位置对齐！

❝
✅核心特点：
像“粘贴”一样堆叠数据
不涉及“关联字段”匹配
适合同构数据合并

2️⃣`df.merge()`：基于列值的“数据库式连接”——最常用！

❝
🎯 适用场景：两张表通过某个公共字段（如 ID）关联，类似 SQL 的 JOIN

示例：内连接（inner join）

merged = users.merge(orders, on='user_id', how='inner') print(merged)

✅ 输出：只保留user_id在两张表中都存在的记录（user_id=1,2,3）

支持多种连接方式：

how='left'：保留左表全部（users 全部，orders 缺失补 NaN）
how='right'：保留右表全部
how='outer'：全保留，缺失补 NaN

还支持不同名列的连接：

# 如果 users 用 'id'，orders 用 'user_id' users2 = users.rename(columns={'user_id': 'id'}) result = users2.merge(orders, left_on='id', right_on='user_id')

❝
✅核心特点：
基于列的值进行匹配
功能最强大、最灵活
日常分析 80% 场景用它！

3️⃣`df.join()`：基于索引的快速连接

❝
🎯 适用场景：一张表的索引 = 另一张表的索引（或某列）

示例：用`users`的`user_id`作为索引，去 join`logins`

users_indexed = users.set_index('user_id') joined = users_indexed.join(logins) # 默认 left join print(joined)

✅ 输出：users 的每一行，自动匹配 logins 中对应索引的登录时间。

也可以指定右表用哪一列做索引：

# 如果 logins 不是以 user_id 为索引，而是普通列 logins2 = pd.DataFrame({ 'user_id': [1, 2, 3, 4], 'last_login': ['2026-02-10', '2026-02-12', '2026-02-13', '2026-02-14'] }) # 需先设索引 joined2 = users_indexed.join(logins2.set_index('user_id'))

❝
✅核心特点：
默认按索引对齐
本质是merge的快捷方式（join底层调用merge）
适合“主表索引 + 附属信息表”的场景

🆚 三者对比速查表

方法	对齐依据	类似 SQL	典型用途	是否需要公共列
`pd.concat()`	索引 / 位置	UNION ALL	合并多份同结构数据	❌ 不需要
`df.merge()`	列的值	JOIN	通过 ID/键关联两张表	✅ 需要
`df.join()`	索引（或指定列）	JOIN	主表（索引为ID）+ 附属信息表	⚠️ 通常需设索引