如何识别Outer Merge后_merge='both'行的DataFrame来源（一对多场景）

1. 给原始DataFrame添加来源标识 #

先给Left和Right分别加一列标记原始来源，方便后续追踪：

import pandas as pd

# 给Left表标记原始来源
left['original_source'] = 'left'
# 给Right表标记原始来源
right['original_source'] = 'right'

2. 执行Outer Merge #

按需求执行外连接，保留_merge字段，同时用suffixes处理重名列（如果存在）：

# 替换成你的实际匹配键，多键匹配可写成on=['key1', 'key2']
merged_df = pd.merge(
    left,
    right,
    how='outer',
    on='匹配键列名',
    indicator=True,
    suffixes=('_left', '_right')  # 重名列的后缀，可按需修改
)

3. 拆分匹配行，适配统计需求 #

一对多匹配后，_merge='both'的行是左右表的组合结果。为了在Tableau中分别统计原始表和合并结果，我们把这些匹配行复制两份，分别标记为来自左表或右表；非匹配行直接沿用原始来源标记：

# 提取所有匹配成功的行
both_rows = merged_df[merged_df['_merge'] == 'both'].copy()

# 复制一份，标记为左表原始行
both_left = both_rows.copy()
both_left['stats_source'] = 'left_original'

# 复制一份，标记为右表原始行
both_right = both_rows.copy()
both_right['stats_source'] = 'right_original'

# 处理非匹配行，直接用原始来源作为统计标记
non_both_rows = merged_df[merged_df['_merge'] != 'both'].copy()
non_both_rows['stats_source'] = non_both_rows['original_source']

# 合并所有行得到最终数据集
final_df = pd.concat([both_left, both_right, non_both_rows], ignore_index=True)

4. 在Tableau中使用的方式 #

最终的final_df可直接导入Tableau，通过筛选实现不同统计需求：

• 统计原始Left表全量数据：筛选stats_source = 'left_original'
• 统计原始Right表全量数据：筛选stats_source = 'right_original'
• 统计合并后匹配成功的数据：筛选_merge = 'both'
• 统计Left表独有的数据：筛选_merge = 'left_only'
• 统计Right表独有的数据：筛选_merge = 'right_only'

注意事项 #

• 多键匹配时，将on参数改为字段列表（如on=['id', 'category']）
• 复制行必须用.copy()，避免修改原DataFrame数据
• 重名列的后缀可根据业务场景调整，保证字段名清晰易读

内容的提问来源于stack exchange，提问作者Eoin Vaughan