项目5：数据合并与连接
数据集：订单表+客户表+商品表 | 难度：进阶 | 预计用时：60分钟
学习目标
- 掌握concat纵向和横向拼接数据
- 理解merge的四种连接方式(inner/left/right/outer)
- 学会指定连接键进行表连接
- 了解join方法的使用场景
知识点讲解
1. concat拼接
concat就像把几张纸粘在一起，可以纵向粘（增加行），也可以横向粘（增加列）。
# 纵向拼接（增加行）：把两个结构相同的表上下叠起来
pd.concat([df1, df2], axis=0)
# 横向拼接（增加列）：把两个表左右并排
pd.concat([df1, df2], axis=1)
# 忽略原来的行索引，重新编号
pd.concat([df1, df2], axis=0, ignore_index=True)
2. merge连接
merge就像SQL里的JOIN，根据两个表共有的列（连接键）把数据拼在一起。
# 基本用法：按共有的列名自动连接
pd.merge(df1, df2, on='客户ID')
# 左右表的连接键名不同
pd.merge(df1, df2, left_on='客户编号', right_on='客户ID')
3. 四种连接方式
这是merge最重要的概念，用维恩图理解最直观：
- inner（内连接）：只保留两个表都有的记录（交集）。最严格，可能丢失数据。
- left（左连接）：保留左表所有记录，右表没有的填NaN。最常用！
- right（右连接）：保留右表所有记录，左表没有的填NaN。
- outer（外连接）：保留两个表所有记录（并集）。最宽松，不会丢失数据。
# 内连接：只保留两边都有的客户
pd.merge(orders, customers, on='客户ID', how='inner')
# 左连接：保留所有订单，没有客户信息的填NaN
pd.merge(orders, customers, on='客户ID', how='left')
# 右连接：保留所有客户，没有订单的也保留
pd.merge(orders, customers, on='客户ID', how='right')
# 外连接：保留所有订单和所有客户
pd.merge(orders, customers, on='客户ID', how='outer')
4. join方法
join是merge的简化版，默认按索引连接，适合索引已经对齐的情况：
# 按索引连接
df1.join(df2, how='left')
# 按指定列连接（需要设置列为索引）
df1.set_index('客户ID').join(df2.set_index('客户ID'))
5. 连接后的列名冲突
如果两个表有同名的非连接列，pandas会自动加后缀区分：
# 自定义后缀
pd.merge(df1, df2, on='客户ID', suffixes=('_订单', '_客户'))
完整代码示例
import pandas as pd
# 读取三个数据表
orders = pd.read_csv('orders_table.csv')
customers = pd.read_csv('customers_table.csv')
products = pd.read_csv('products_table.csv')
print("=== 订单表 ===")
print(orders)
print("\n=== 客户表 ===")
print(customers)
print("\n=== 商品表 ===")
print(products)
# ===== concat纵向拼接示例 =====
# 假设有两批订单数据，结构相同
batch1 = orders[orders['订单号'].isin(['O001', 'O002'])]
batch2 = orders[orders['订单号'].isin(['O003', 'O004'])]
all_orders = pd.concat([batch1, batch2], axis=0, ignore_index=True)
print("\n=== concat拼接后的订单 ===")
print(all_orders)
# ===== merge连接：订单 + 客户 =====
print("\n=== 订单与客户信息（左连接） ===")
order_customer = pd.merge(orders, customers, on='客户ID', how='left')
print(order_customer)
# ===== merge连接：订单 + 商品 =====
print("\n=== 订单与商品信息（左连接） ===")
order_product = pd.merge(orders, products, on='商品ID', how='left')
print(order_product)
# ===== 三表连接：订单 + 客户 + 商品 =====
print("\n=== 三表连接后的完整信息 ===")
full = pd.merge(orders, customers, on='客户ID', how='left')
full = pd.merge(full, products, on='商品ID', how='left')
print(full)
# ===== 四种连接方式对比 =====
print("\n=== inner连接（只保留两边都有的） ===")
inner_result = pd.merge(orders, customers, on='客户ID', how='inner')
print(inner_result)
print("\n=== outer连接（保留所有记录） ===")
outer_result = pd.merge(orders, customers, on='客户ID', how='outer')
print(outer_result)
# ===== 连接键名不同的情况 =====
# 假设客户表里的列叫'编号'而不是'客户ID'
customers2 = customers.rename(columns={'客户ID': '编号'})
print("\n=== 连接键名不同时 ===")
merged = pd.merge(orders, customers2, left_on='客户ID', right_on='编号', how='left')
print(merged)
实操步骤
- 分别读取orders_table.csv、customers_table.csv、products_table.csv
- 用
head()查看三个表的结构和关键列 - 用
pd.concat()将两个结构相同的DataFrame纵向拼接 - 用
pd.merge()将订单表和客户表按"客户ID"左连接 - 用
pd.merge()将订单表和商品表按"商品ID"左连接 - 尝试将三表依次连接，得到包含订单、客户、商品信息的完整表
- 分别用inner、left、right、outer四种方式连接，观察结果差异
- 练习left_on和right_on，处理连接键名不同的情况
配套数据集
orders_table.csv（订单表）
订单号,客户ID,商品ID,数量,订单金额
O001,C001,P001,2,1998
O002,C002,P003,1,599
O003,C001,P002,3,897
O004,C003,P001,1,999
O005,C004,P002,2,598
customers_table.csv（客户表）
客户ID,客户姓名,客户等级,注册城市
C001,张三,金牌,广州
C002,李四,银牌,深圳
C003,王五,铜牌,北京
C006,赵六,金牌,上海
products_table.csv（商品表）
商品ID,商品名称,商品类别,单价
P001,智能手机,电子产品,999
P002,蓝牙耳机,电子产品,299
P003,运动手表,穿戴设备,599
P004,平板电脑,电子产品,1999
练习1：concat 拼接数据
将订单表拆分成两批数据，然后用 pd.concat() 纵向拼接（axis=0），并使用 ignore_index=True 重新编号索引。
执行结果
点击 "运行代码" 按钮查看执行结果
参考答案
练习2：merge 连接（inner / left / right）
使用 pd.merge() 将订单表和客户表按"客户ID"连接，分别尝试 inner、left、right 三种连接方式，观察结果的差异（注意 C004 和 C006 的处理）。
执行结果
点击 "运行代码" 按钮查看执行结果
参考答案
练习3：多表合并实战
将订单表、客户表、商品表三表依次合并，得到包含完整信息的订单视图。先合并客户表（按"客户ID"），再合并商品表（按"商品ID"），观察 C004 客户的缺失值情况。
执行结果
点击 "运行代码" 按钮查看执行结果
参考答案
项目小结
本项目我们学习了数据合并与连接的核心技能：
- 用
pd.concat()纵向(axis=0)或横向(axis=1)拼接数据 - 用
pd.merge()按连接键将两个表连接 inner：只保留两边都有的记录（交集）left：保留左表所有记录，最常用right：保留右表所有记录outer：保留所有记录（并集）- 用
left_on和right_on处理连接键名不同的情况 - 用
join()按索引快速连接
数据合并是实际工作中最常见的操作之一，因为业务数据通常分散在多个表中。掌握merge和concat，你就能把分散的数据整合成完整的分析视图。