基于id和time左连接DataFrame后行数多于左表，原因是什么？

你遇到的这种情况，核心原因是右表（df_3）中存在重复的[id, time]组合，或者左表的连接键组合在右表中能匹配到多条记录，具体说明如下：

• 右表有重复的连接键组合：当df_1中的某一行，在df_3里通过[id, time]能找到N条匹配记录时，左连接会把这一行复制N次，分别和右表的N条记录合并，最终总行数就会超过df_1的行数。
• 左表本身存在重复的连接键组合：如果df_1里已经有重复的[id, time]行，再加上右表对应组合也有重复，会进一步放大行数的增加（本质还是匹配时的笛卡尔积效应）。

举个简单例子：
假设df_1只有1行：

id  time        col1
1   2024-01-01  a

df_3有2行相同的[id, time]：

id  time        col2
1   2024-01-01  x
1   2024-01-01  y

执行你写的左连接代码后，结果会变成2行：

id  time        col1  col2
1   2024-01-01  a     x
1   2024-01-01  a     y

另外补充一点：左连接的预期不是“仅保留df_1的行数”，而是保留df_1的所有行记录，但如果右表有多个匹配项，就会产生行的复制，这是正常的连接逻辑。

内容的提问来源于stack exchange，提问作者weiming