Pandas merge 左表全保留,右表选列匹配
2026-03-04 20:15:40
0浏览
收藏
本文深入讲解了如何在 Pandas 中精准使用 `merge()` 实现“左表全量保留、右表仅用指定列参与匹配并输出”的核心需求——关键在于合并前主动筛选右表(如 `right_df[['id', 'region', 'target_col']]`),配合 `how='left'` 和精确的 `on` 或 `left_on/right_on` 设置,既避免冗余列污染结果,又确保连接逻辑清晰可控;同时提醒读者注意字段名冲突、数据类型一致性及合并后验证技巧,让每一次左连接都干净、可靠、可预期。

用 pandas.merge() 实现“保留左表所有行,右表只参与匹配部分列”,关键在于正确设置 how='left' 和精准指定 on(或 left_on/right_on)参数,同时确保右表中**不参与连接的列不会被意外带入结果**——因为默认情况下,merge 会把右表所有列都加入结果,只是对未匹配行填充 NaN。
明确指定连接键,避免右表冗余列混入
如果你只想用右表的某些列做匹配(比如只用 'id' 和 'region'),但右表还有其他列(如 'sales'、'cost'、'notes')你并不想保留,那就不能直接 merge 后再删列——而应在 merge 前先筛选右表:
- 用
right_df[['id', 'region', 'target_col']]提前截取右表中真正需要参与连接 + 需要保留的列 - 确保
on列在两个子集中都存在且类型一致(比如都是字符串或都转成 category) - 这样 merge 出来的结果里,右表只会出现你显式选中的那几列,干净无干扰
用 left_on/right_on 灵活匹配不同名但语义相同的列
当左右表连接字段名称不一致(如左表叫 'user_id',右表叫 'uid'),又只想用其中一对字段匹配,其他列不参与也不保留,写法示例:
✅ 正确做法(只引入右表指定列):
result = pd.merge(
left_df,
right_df[['uid', 'status', 'level']], # 只取右表这三列
left_on='user_id',
right_on='uid',
how='left',
suffixes=('', '_right')
)
# 自动丢弃右表的 'uid'(因已用于连接),保留 'status' 和 'level'
警惕隐式列冲突与重复列名
如果右表筛选后仍存在与左表同名的非连接列(例如左右都有 'name'),merge 默认会加后缀(如 'name' 和 'name_right')。若你只要左表的 'name',右表的不想留,就别把它放进右表子集里;如果确实需要右表的 'name' 替换左表对应值,可在 merge 后用 fillna() 或 combine_first() 控制逻辑,而不是依赖 merge 自动覆盖。
验证是否真“只匹配部分列”
merge 完成后快速检查两件事:
result.columns是否只含你预期的右表列(没有多出无关字段)result['status'].isna().sum()是否符合业务预期(即左表哪些行本该无匹配)- 用
result.query('status != status')查看 NaN 行对应的左表 key,确认缺失是否合理
终于介绍完啦!小伙伴们,这篇关于《Pandas merge 左表全保留,右表选列匹配》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
JavaScript单元测试教程详解
- 上一篇
- JavaScript单元测试教程详解
- 下一篇
- 根据日期删除嵌套HashMap父键的方法,可以通过遍历Map的键值对,检查子Map中的日期字段,若符合条件则移除父键。以下是实现步骤和示例代码:步骤说明遍历HashMap的键值对:使用entrySet()方法获取所有键值对。检查子Map是否包含日期字段:假设子Map为Map<String,Object>,其中某个键(如"date")存储了日期信息。判断日期是否符合删除条件:例如,删除早
查看更多
最新文章
-
- 文章 · python教程 | 17分钟前 | Python教程 · Python 检查点 随机状态 Random.getstate Random.setstate 模拟复现
- Python Random.getstate 怎样在模拟中途保存并恢复随机序列
- 149浏览 收藏
-
- 文章 · python教程 | 38分钟前 | 并发控制 · Python教程 · asyncio · Python 协程同步 并发任务 asyncio.Barrier 阶段闸门 BrokenBarrierError
- Python asyncio.Barrier 怎样让多个协程在阶段边界同时放行
- 377浏览 收藏
-
- 文章 · python教程 | 42分钟前 | python · Python SQLite sqlite3 SQL脚本 Connection iterdump
- Python sqlite3.Connection.iterdump 怎样生成可恢复的 SQL 脚本
- 342浏览 收藏
-
- 文章 · python教程 | 46分钟前 | python · SQLite · Python SQLite sqlite3 Connection total_changes
- Python sqlite3.Connection.total_changes 怎样统计连接累计修改行数
- 422浏览 收藏
-
- 文章 · python教程 | 48分钟前 | python · SQLite · Python order by sqlite3 COLLATE Connection create_collation
- Python sqlite3 自定义排序规则如何参与 ORDER BY
- 215浏览 收藏
-
- 文章 · python教程 | 52分钟前 | JSON · python · Python JSON JSONEncoder iterencode JSON文本
- Python json.JSONEncoder.iterencode 怎样分段生成 JSON 文本
- 211浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · pathlib · Python pathlib PurePath with_segments 路径派生
- Python pathlib.PurePath.with_segments 怎样让派生路径保留自定义状态
- 255浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · Python Calendar itermonthdays4 月历
- Python Calendar.itermonthdays4 怎样保留月历补齐日期的年月日
- 369浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1124次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1112次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1283次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1225次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1076次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
