Python餐厅数据集合并求助：Check_number与Date双键左连接报错

一、先排查pd.merge报错的核心原因 #

你遇到的报错提示用pd.concat，大概率不是真的需要用concat，而是以下两个常见问题导致merge失败：

1. 字段名大小写不匹配：你的代码里用了Check_Number，但原数据集的字段是Check_number（下划线后是小写n），字段名完全一致才能正常关联。
2. 连接字段数据类型不统一：Date可能是字符串格式不一致（比如'2023-10-01' vs '10/01/2023'），或者Check_number一个是整数一个是字符串，都会导致merge匹配失败。

二、正确的pd.merge步骤 #

先统一字段名和数据类型，再分别合并四个数据集：

1. 统一字段名：确保所有数据集的连接字段名完全一致（比如全部改为Check_number）
2. 标准化数据类型：

   # 将所有数据集的Date转为datetime格式
   for df in [dfLargePre, dfSmallPre, dfLargePost, dfSmallPost, dfFood]:
       df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
   
   # 将Check_number统一转为字符串（避免整数/字符串不匹配）
   for df in [dfLargePre, dfSmallPre, dfLargePost, dfSmallPost, dfFood]:
       df['Check_number'] = df['Check_number'].astype(str)
   

3. 执行左连接合并：

   # 合并大桌变更前数据
   dfLargePre_merged = pd.merge(dfLargePre, dfFood, how='left', on=['Date', 'Check_number'])
   # 合并小桌变更前数据
   dfSmallPre_merged = pd.merge(dfSmallPre, dfFood, how='left', on=['Date', 'Check_number'])
   # 合并大桌变更后数据
   dfLargePost_merged = pd.merge(dfLargePost, dfFood, how='left', on=['Date', 'Check_number'])
   # 合并小桌变更后数据
   dfSmallPost_merged = pd.merge(dfSmallPost, dfFood, how='left', on=['Date', 'Check_number'])
   

4. 处理合并后的空值：
   由于dfFood包含无关账单，left merge后Total_food为空的记录是原数据集中无对应食品账单的账单，可按需处理：

   # 用0填充空值（代表该账单无食品消费）
   for df in [dfLargePre_merged, dfSmallPre_merged, dfLargePost_merged, dfSmallPost_merged]:
       df['Total_food'] = df['Total_food'].fillna(0)
   
   # 或者仅保留有食品消费的账单
   # dfLargePre_merged = dfLargePre_merged.dropna(subset=['Total_food'])
   

三、什么时候需要用pd.concat？ #

pd.concat适用于纵向拼接结构完全相同的数据集，这在DID分析的最后一步非常有用：把四个合并后的数据集拼在一起，生成适合回归分析的完整数据集：

# 给每个数据集添加分组和时段标识（DID分析必需）
dfLargePre_merged['group'] = 'control'  # 大桌是对照组
dfLargePre_merged['period'] = 'pre'
dfSmallPre_merged['group'] = 'treatment'  # 小桌是处理组
dfSmallPre_merged['period'] = 'pre'
dfLargePost_merged['group'] = 'control'
dfLargePost_merged['period'] = 'post'
dfSmallPost_merged['group'] = 'treatment'
dfSmallPost_merged['period'] = 'post'

# 纵向拼接所有数据集
df_did_full = pd.concat(
    [dfLargePre_merged, dfSmallPre_merged, dfLargePost_merged, dfSmallPost_merged],
    ignore_index=True
)

拼接后的数据可以直接用于DID回归（比如用statsmodels拟合交互项模型）。

四、DID分析补充建议 #

• 计算人均食品营收：如果你的数据里没有number_of_guests字段，可考虑用Total_food除以桌均人数（如果有历史数据可估算），或者直接用Total_food作为替代指标（若桌均人数波动较小）。
• 验证平行趋势假设：在回归前，需检查处理组（小桌）和对照组（大桌）在菜单变更前的营收趋势是否一致，这是DID分析的核心前提。

内容的提问来源于stack exchange，提问作者James Cederstav