为何Pandas merge()未修改原DataFrame？必须赋值才生效？

核心原因：Pandas的merge方法默认返回新的DataFrame对象，不会原地修改原数据 #

你遇到的情况是Pandas的设计逻辑导致的：

• 当你执行df.merge(...)时，这个方法会在内存中生成合并后的新DataFrame，但它不会主动覆盖原有的df对象。如果没有把这个结果赋值给某个变量，这个新生成的DataFrame就会被Python的垃圾回收机制处理掉，原df自然不会有任何变化。
• 而df = df.merge(...)本质是把新生成的合并结果重新赋值给df变量，让df指向这个新的DataFrame对象，所以看起来像是“更新了原df”，但其实原对象已经被替换了。

额外说明 #

Pandas里少数方法（比如df.drop()、df.sort_values()）提供了inplace=True参数来支持原地修改，但merge方法没有这个参数，所以你只能通过赋值的方式来保留合并结果。

举个直白的对比：

# 仅生成合并结果但未保存，原df完全不变
df.merge(df_new, right_on='Pid', left_on='PassengerId', how='inner')

# 将新结果赋值给df，替换原对象，实现“合并到df”的需求
df = df.merge(df_new, right_on='Pid', left_on='PassengerId', how='inner')

内容的提问来源于stack exchange，提问作者CatB