“销售明细”只记了姓名和销售额，”员工档案”只记了姓名和部门——信息各记一半，老板却要”按部门看销售”。Excel里你用VLOOKUP一列一列往回搬，搬错一列全表错位。
merge一行对上号拼成宽表，concat一行摞起来，”表和表的合体”从此不是DBA的专利
一、老板的”第四轮追问”
前几篇的剧情走到这里：第31篇问总量，第32篇问”哪几行”，第33篇问”分组对比”。老板满意了三天，今天把两张表拍在你桌上：
“这是销售明细，这是员工档案。合到一起，我要按部门看销售。”
你低头一看，两张表长这样：
表A「销售明细」（第33篇的老朋友）：
姓名 销售额 日期
0 小李 8000 2026-01-03
1 小王 12000 2026-01-05
2 小张 15300 2026-01-07
3 小赵 9500 2026-01-08
4 小王 11000 2026-01-09表B「员工档案」：
姓名 部门 城市
0 小王 华东 上海
1 小李 华南 广州
2 小张 华东 杭州
3 小赵 华北 北京
4 小周 西南 成都问题来了：销售额在表A，部门在表B，中间只有”姓名”这一座桥。 老板要的”按部门看销售”，得先把每个人的部门”搬”到销售表旁边，变成一张全信息的宽表：
姓名 销售额 部门 城市
0 小李 8000 华南 广州
1 小王 12000 华东 上海
...Excel里这活儿叫VLOOKUP——把表B的”部门”列按姓名查好、一列列往表A上贴。贴一列要配一堆参数（第几列、精确匹配还是模糊匹配），贴错一列全表错位，你还得逐行肉眼验收。更要命的是贴完它是死的，档案一更新，重贴。
pandas的答案叫merge（合并，念”默尔支”），一行对上号：
print(pd.merge(销售, 员工, on="姓名"))一行，出宽表：
姓名 销售额 日期 部门 城市
0 小李 8000 2026-01-03 华南 广州
1 小王 12000 2026-01-05 华东 上海
2 小张 15300 2026-01-07 华东 杭州
3 小赵 9500 2026-01-08 华北 北京
4 小王 11000 2026-01-09 华东 上海老板要的”按部门看销售”？这就是第33篇的groupby，接着上就行：pd.merge(...).groupby("部门")["销售额"].sum()。今天学完合并，”多表数据”的世界就打通了。
今天的唯一一个新概念是：把两张表拼起来——同结构的上下摞（concat），有共同列的对上号拼宽表（merge）。它是Excel里VLOOKUP+复制粘贴的代码版，也是”读进程序→看清长相→按需提问”三部曲升级为”多表作战”的第一课。
二、concat：把表”摞起来”
先想清楚：它到底干了什么
先学简单的。concat（concatenate的缩写，念”康开特”，意思是”连成一串”）干的事跟”把两张纸摞成一沓”一模一样：
- 上下摞（
axis=0，默认）：两张列一样的表，头接尾叠成一张长表； - 左右拼（
axis=1）：两张行一样的表，肩并肩拼成一张宽表——但行得严格对齐，日常少用，今天不展开。
最常见的场景：同一个东西分了两个文件。比如1月的销售表、2月的销售表，列一模一样，老板要”全年一张表”：
import pandas as pd
# 两张"列一样"的表：1月、2月的销售明细
yiyue = pd.DataFrame({
"姓名": ["小李", "小王", "小张"],
"销售额": [8000, 12000, 15300],
"月份": ["1月", "1月", "1月"],
})
eryue = pd.DataFrame({
"姓名": ["小赵", "小王", "小周"],
"销售额": [9500, 11000, 7200],
"月份": ["2月", "2月", "2月"],
})
quannian = pd.concat([yiyue, eryue])
print(quannian)输出：
姓名 销售额 月份
0 小李 8000 1月
1 小王 12000 1月
2 小张 15300 1月
0 小赵 9500 2月
1 小王 11000 2月
2 小周 7200 2月看清楚两件事：
- 接头的地方，行号重复了——0、1、2、0、1、2。因为
concat只是把两张表的行摞起来，各自的行号原样保留。加ignore_index=True（”别管旧编号，重新编”）就顺了：pd.concat([yiyue, eryue], ignore_index=True)，行号变0到5； - 列名得对得上。两张表都是”姓名、销售额、月份”才能干净地摞。如果2月表的列叫”金额”而不是”销售额”，摞出来就是两列各带一半空值——
concat不猜你的心思，列名不同就是不同列。
pd.concat([表1, 表2, 表3, ...])的参数就是一个装表的列表，几张都行——12个月的表，写个循环把12个文件读进来装列表，一次摞完，第30篇批量处理的功夫正好用上。
什么时候用concat，什么时候用merge
一句话分清：
- concat：两张表是同一种东西（1月销售+2月销售），摞成一沓；
- merge（下面学）：两张表是不同的东西（销售明细+员工档案），按共同列对上号拼宽表。
摞错了会怎样？拿员工档案去跟销售明细上下摞——姓名列对不齐、销售额和城市挤成一张表的上下两半，出来一坨谁也看不懂的东西。拼之前先问一句：这两张表是”同类摞一沓”还是”异类对号拼”？
三、merge：按”共同列”对上号
先想清楚：它到底干了什么
merge的动作，跟点名一模一样。想象班主任拿着两张纸：一张是”成绩单”（姓名+分数），一张是”花名册”（姓名+班级）。她想得到”分数+班级”的总表，干的事是：
- 找桥：两张表都有的那一列——”姓名”。这叫键（key），
merge靠它对号； - 对号：拿成绩单上的每个姓名，去花名册里找同名的人；
- 拼：找到了，把花名册那一行的信息接到成绩单旁边，变成一行全信息。
写成代码：
import pandas as pd
销售 = pd.DataFrame({
"姓名": ["小李", "小王", "小张", "小赵", "小王"],
"销售额": [8000, 12000, 15300, 9500, 11000],
})
员工 = pd.DataFrame({
"姓名": ["小王", "小李", "小张", "小赵", "小周"],
"部门": ["华东", "华南", "华东", "华北", "西南"],
"城市": ["上海", "广州", "杭州", "北京", "成都"],
})
kuanbiao = pd.merge(销售, 员工, on="姓名")
print(kuanbiao)输出：
姓名 销售额 部门 城市
0 小李 8000 华南 广州
1 小王 12000 华东 上海
2 小张 15300 华东 杭州
3 小赵 9500 华北 北京
4 小王 11000 华东 上海读法记好：pd.merge(表A, 表B, on="共同列")，念作”按某列，把两张表对上号拼起来“。逐行看它干了什么：
- 小李（销售额8000）→ 花名册里有小李 → 拼上”华南/广州”；
- 小王出现两次（12000、11000两单）→ 花名册里小王只有一条 → 两单都拼上小王的”华东/上海”；
- 小周呢？花名册里有，但销售表里没他 → 默认不出现在结果里。
反过来，如果有人只在销售表、不在花名册（比如来了个新人小孙还没建档），默认也是悄悄消失。这个”默认消失”的行为是今天最大的坑，下面第五节专治。
关键参数：on——对号的”桥”
on="姓名"就是”按姓名这一列对”。注意几点：
- 桥必须两张表都有，而且内容得是同一类东西（都是姓名，不能一边是姓名一边是工号）。两张表列名不同但其实是同一类信息（表A叫”姓名”、表B叫”员工名”）？用
left_on/right_on分别指定：pd.merge(A, B, left_on="姓名", right_on="员工名")； - 两列都留着：拼完的宽表里，”姓名”只有一列（同名列自动合并）；但用
left_on/right_on时两个名字都在，出来两列重复信息，看着乱但数据没错； - 多列当桥：
on=["姓名", "日期"]——两列同时对上才算同一条。什么时候用？比如两张表都有”姓名”，光按姓名对会把小王的两单跟档案里的小王全拼上（这通常正是你要的）；但如果表B是”每人每天的考勤”，就得姓名+日期双保险。
怎么”对不上”处理：how参数
how（怎么对）控制”对不上的行”的去留，就四个值，背下来值钱：
# inner（默认）：两张表都有的，才拼。"只留对上号的"
pd.merge(销售, 员工, on="姓名", how="inner")
# left：左边（销售表）的行全留，右边对不上的补空值。"以销售表为准"
pd.merge(销售, 员工, on="姓名", how="left")
# right：右边（员工表）的行全留，左边对不上的补空值。"以员工表为准"
pd.merge(销售, 员工, on="姓名", how="right")
# outer：两张表的行全留，对不上的各补空值。"大团圆"
pd.merge(销售, 员工, on="姓名", how="outer")拿上面两张表跑一遍，四种结果的差别一句话概括：
inner：5行（销售的5行都对上了）；left：5行（同上——因为销售表的每个人档案里都有）；right：5行（小周进来了，但他的”销售额”是空的——他没卖过东西）；outer：6行（小王两单+小李小张小赵+小周的空销售额，全员到齐）。
日常九成用left：以你手里的主表为准，把另一张表的信息”查过来”，查不到的留空值——这正是VLOOKUP的行为，也是”不丢任何一行主数据”的稳妥选择。什么时候用inner？你只要”两边都有”的干净数据（统计时不想处理空值）。什么时候用outer？核对两张表的差异——谁只在A、谁只在B，一眼看穿。
四、实战：老板要的”按部门看销售”
把今天的活儿一次干完——合并、提问、出报表：
import pandas as pd
# 1. 读两张表（实际工作中换成 read_csv / read_excel）
销售 = pd.DataFrame({
"姓名": ["小李", "小王", "小张", "小赵", "小王"],
"销售额": [8000, 12000, 15300, 9500, 11000],
"日期": ["2026-01-03", "2026-01-05", "2026-01-07", "2026-01-08", "2026-01-09"],
})
员工 = pd.DataFrame({
"姓名": ["小王", "小李", "小张", "小赵", "小周"],
"部门": ["华东", "华南", "华东", "华北", "西南"],
"城市": ["上海", "广州", "杭州", "北京", "成都"],
})
# 2. 合并成宽表（left：销售表一行不丢，档案查过来）
宽表 = pd.merge(销售, 员工, on="姓名", how="left")
print("合并结果：")
print(宽表)
# 3. 老板要的：按部门看销售（第33篇的groupby直接接着上）
报表 = 宽表.groupby("部门")["销售额"].agg(["sum", "count", "mean"])
报表.columns = ["总销售额", "订单数", "平均单值"]
print("n按部门看销售：")
print(报表.sort_values("总销售额", ascending=False))输出：
合并结果：
姓名 销售额 日期 部门 城市
0 小李 8000 2026-01-03 华南 广州
1 小王 12000 2026-01-05 华东 上海
2 小张 15300 2026-01-07 华东 杭州
3 小赵 9500 2026-01-08 华北 北京
4 小王 11000 2026-01-09 华东 上海
按部门看销售：
总销售额 订单数 平均单值
部门
华东 38300 2 19150.0
华南 8000 1 8000.0
华北 9500 1 9500.0看懂这个流程的价值：多表数据的套路就是”先合并、再提问”。合并一次变成宽表，之后的总量（第31篇）、筛选（第32篇）、分组（第33篇）全部照常使用——今天的merge只是给三部曲前面加了一步”合体”。
追问一句”按城市看呢”？改一行：宽表.groupby("城市")["销售额"].sum()。追问”新人小周怎么没影儿”？他没卖过货，销售表里根本没他的行——想知道他部门在不重要，想知道谁没开单才是正经问题：
# 员工表里有、销售表里没有的人 = 零单选手
对账 = pd.merge(销售, 员工, on="姓名", how="right", indicator=True)
print(对账[对账["_merge"] == "right_only"][["姓名", "部门"]])输出：
姓名 部门
4 小周 西南indicator=True（”加一列标记”）是merge的隐藏好手：拼完多一列_merge，标明每一行是”两边都有”（both）、”只在左表”（left_only）还是”只在右表”（right_only）。对账、查差异的场景全靠它。
五、四个必踩的坑（先打疫苗）
坑1：默认inner悄悄吃掉”对不上”的行，人数对不上账。 merge默认只留两边都有的行，销售表里来了新人小孙（档案还没建），他的订单会无声消失——报表总额比实际少，程序不报错、不吭声。疫苗：主表在手就写how="left"，一行不丢，查不到的显示NaN再按第29篇的清洗处理。合并后永远多问一句：print(len(宽表))——行数比主表多了还是少了？少了=丢了行，多了=一对多炸开了（见坑2）。
坑2：桥列有重复，行数”爆炸”。 如果员工档案里小王有两条记录（比如他在两个部门都有工号），merge会把小王的每一单跟两条档案各拼一次——5行销售变6行、7行……销售额跟着翻倍，报表数字虚高。疫苗：合并前先查桥列干不干净：print(员工["姓名"].duplicated().sum())（有几条重名），有重复就想清楚”一对多是不是我要的”（一人多部门时按天拆分可能正是你要的），不是就先去重员工.drop_duplicates("姓名")。
坑3：桥列的类型不一致，明明同一个人却对不上号。 一边”姓名”是文本、另一边被Excel存成了数字工号，或者一边”001″一边”1″——merge照着”字符串严格相等”对号，对不上就悄悄丢（回到坑1）。疫苗：合并后立刻验人：print(宽表["部门"].isna().sum())（有几个没查到部门）。查不到的不为0，就把两边的桥列都print出来肉眼对比，八成是空格、类型或写法不一致——df["姓名"] = df["姓名"].str.strip()先去空格是万能第一步。
坑4：两张表有同名不同义的列，拼完被”吃掉”或傻傻重复。 销售表和档案表都有”城市”列（一个是出差城市、一个是常驻城市），merge默认给同名列加后缀_x、_y（城市_x、城市_y）——数据没丢，但列名变成看不懂的暗号。疫苗：拼之前想清楚哪些列是桥、哪些列会撞名，用suffixes=("_销售", "_档案")把后缀改成人话：pd.merge(A, B, on="姓名", suffixes=("_销售", "_档案"))。
六、跟AI协作的正确姿势（合并特供）
- 用”对账语言”描述需求。说”把销售表和员工表按姓名合并，以销售表为主（left），对不上的部门留空，输出行数和空值数让我核对“——四要素（两张表、桥列、how、验收指标）说全。AI最常犯的错是默认
inner吃行和不验行数，拿到代码先查这两处 - 让AI”先合体再加工”。追加一句：”先只merge并print行数、列名、前5行让我确认拼对了，再做分组统计“。合并的错误比统计隐蔽得多（数字都挺像样，就是少了几行），先验拼接、再做分析，一步一个脚印
- 问”行数怎么变了”时，把两边的重复情况告诉AI。”主表5行，合并后8行”——让它查桥列重复（坑2）；”主表5行，合并后3行”——让它查类型/空格不一致（坑3）+默认inner（坑1）。行数变化是合并问题的体温计，报问题先报行数
高频句式：”表A有这些列（贴df.dtypes），表B有这些列，按’某列’用left方式合并，加indicator=True对账，输出行数、对不上的行数、合并后前5行。注意桥列重复和类型一致性“。
七、今日小练习
练习1：三表摞一沓
写三张同结构的小表（1月、2月、3月的销售明细，各3行），用concat摞成全年表，要求行号重新编排，然后按”月份”分组算每月总销售额。（提示：pd.concat([一月, 二月, 三月], ignore_index=True)是今天的主菜；三张表手动构造太啰嗦，用循环for 月 in ["1月", "2月", "3月"]:造表存进列表再摞——第6篇循环的活儿。分组就是第33篇的groupby("月份")["销售额"].sum()。）
练习2：找出零单选手
拿今天的销售表和员工表，用merge找出档案里有、但一单没卖过的人，打印姓名和部门。（提示：how="right", indicator=True是本文第四节的现成招——但注意坑2，right合并后行数等于员工表行数（5行）才算对。想不加indicator也行：how="right"后筛宽表["销售额"].isna()——没卖过货的人销售额是空的，第32篇的筛选直接用。）
练习3：合并体检程序
写个”合并体检”函数：接收两张表和桥列名，合并后自动打印①主表行数②合并后行数③桥列在右表的重复数④对不上的行数，并给出一句健康判断（比如”行数变多，右表桥列有重复，请去重”）。（提示：函数是第7篇的活儿，参数是表A, 表B, 桥列。四个数字分别是len(表A)、len(宽表)、表B[桥列].duplicated().sum()、对账后_merge非both的行数。健康判断用第5篇的if/elif：行数变多→查重复，行数变少→查inner吃行，没变化→健康。这个函数是你以后所有合并的”随身医生”。）
写在后面：从”单表”到”多表”
盘点今天：concat是摞一沓——同结构的表上下叠，ignore_index=True重排行号；merge是对上号——on="共同列"找桥、how定去留（日常主表用left），indicator=True对账查差异。加上前四篇的读表、总量、筛选、分组，你的数据分析工具箱已经从”一张表打天下”升级到”多表联合作战”。
更值钱的还是思路：真实世界的数据从来不在一张表里——销售在销售表、人事在HR表、库存在仓库表，信息天然分布式存储，”合并”就是把它们对上号还原成完整真相。Excel的VLOOKUP是”贴上去的”，贴完就死；merge是”写下来的”，表一更新重跑就出新结果。当”表和表的合体”变成一行代码，你就再也不会被”数据分散在好几个文件里”吓住了。
下一篇，数据要”交货”了：分析结果怎么变成老板能打开的Excel和CSV——to_excel/to_csv，加上格式美化，你的报表终于能出门见人。
下篇预告
第三十五篇：导出报表——to_excel/to_csv登场：分析结果存成Excel，加列宽、加粗表头、多个sheet分页装订。老板说”把这个发我邮箱”，你交出一份有模有样的xlsx，而不是一坨裸数据。
发表回复