Pandas左连接（Left Merge）后行数增加的原因排查

你遇到的这种情况，核心原因是右表（oil表）的关联键Product/Service存在重复值，具体逻辑和排查方法如下：

为什么行数会增加？ #

Left Join的规则是保留左表（zent）的所有行，右表（oil）中与左表关联键匹配的每一行，都会和左表对应的行进行合并。如果右表中某个Product/Service值对应多行，左表中匹配该值的行就会被复制多次，最终合并后的总行数就会超过左表原行数。

举个简单例子：左表有1行Product/Service = 机油A，右表有2行Product/Service = 机油A（比如两行的其他列数据不同），合并后这一行会变成2行，直接让总行数增加1。你的情况里总多了20行，说明这类重复匹配的情况总共贡献了20行增量。

排查与验证方法 #

1. 检查oil表关联键的重复次数 #

执行以下代码，直接统计Product/Service列的重复值数量：

print(oil['Product/Service'].duplicated().sum())

这个数字代表oil表中，有多少行的Product/Service值和之前的行重复。

2. 定位具体导致行数增加的关联键 #

通过以下代码，可以找出哪些Product/Service值是行数增加的“元凶”，以及每个值贡献了多少行增量：

# 统计左表每个关联键的出现次数
zent_key_counts = zent['Product/Service'].value_counts().reset_index(name='zent_row_num')
# 统计右表每个关联键的出现次数
oil_key_counts = oil['Product/Service'].value_counts().reset_index(name='oil_row_num')
# 合并两个统计结果，计算每个键带来的行数增量
key_increase = zent_key_counts.merge(oil_key_counts, on='Product/Service', how='left').fillna(0)
key_increase['total_increase'] = key_increase['zent_row_num'] * (key_increase['oil_row_num'] - 1)
# 筛选出有增量的键
problem_keys = key_increase[key_increase['total_increase'] > 0]
print(problem_keys)

运行后，problem_keys会列出所有导致行数增加的关联键，以及各自带来的增量总和，总和应该刚好等于20（35948-35928）。

3. 确认oil表的去重逻辑 #

你提到“去重后的oil表有1371行”，但要注意：如果去重是基于整行数据而非仅Product/Service列，那么即使整行去重后，Product/Service列依然可能存在重复值（比如两行只有关联键相同，其他列不同，整行去重会保留这两行）。如果需要让oil表的Product/Service列唯一，可以针对该列去重：

# 仅保留每个Product/Service值的第一行
oil_unique = oil.drop_duplicates(subset='Product/Service', keep='first')

用这个去重后的表再做Left Join，行数就会和左表原行数一致（35928行）。

内容的提问来源于stack exchange，提问作者Viapacific