使用Pandas merge合并Excel表时出现列/数据缺失问题求助

我有两个Excel文件，分别存储用户详情表（Table 1）和员工详情表（Table 2），两张表均包含Email Address列。我希望通过pd.merge方法，以Email Address为关联键，生成包含在职员工用户详情的新表，因此采用左连接方式合并两个DataFrame。

我尝试了以下3段merge代码：

import pandas as pd

df_user = pd.read_excel('file1.xlsx')
df_emp = pd.read_excel('file2.xlsx')

df_new = df_user.merge(df_emp, how='left')
#df_new = pd.merge(df_user, df_emp, how='left')
#df_new = pd.merge(df_user, df_emp, on='Email Address', how='left')

df_new.to_excel('output.xlsx', index=False)

但所有代码都未返回完整数据，生成的新表仅包含Table 1的数据和Table 2的表头，且Table 2部分的Email Address列缺失，仅Table 1部分显示该列。我的期望是生成以Email Address为匹配键，包含Table 1数据及Table 2匹配数据的新表，请问哪里操作有误？

出现这个问题的核心原因是两张表的Email Address列数据没有匹配上，或者列名存在隐性差异，导致左连接后Table 2的所有匹配数据都为空。按以下步骤排查修复：

1. 确认列名是否完全一致 #

有时候Excel里的列名看起来是Email Address，但读取到pandas后可能带有多余空格（开头/末尾）、全角字符，或者被自动转换格式（比如下划线替代空格）。先打印两个表的列名确认：

print("用户表列名:", df_user.columns.tolist())
print("员工表列名:", df_emp.columns.tolist())

如果列名不一致，比如员工表的列名是Email Address （末尾多空格），需要统一列名：

# 把员工表的列名改成和用户表一致
df_emp.rename(columns={'Email Address ': 'Email Address'}, inplace=True)

2. 统一邮箱数据格式，检查匹配度 #

pandas的merge是严格匹配的，哪怕邮箱大小写不同（比如abc@xxx.com和ABC@XXX.COM）、带多余空格，都会被视为不同值。先统一处理邮箱格式：

# 去除前后空格，统一转为小写
df_user['Email Address'] = df_user['Email Address'].str.strip().str.lower()
df_emp['Email Address'] = df_emp['Email Address'].str.strip().str.lower()

然后检查两个表的共同邮箱数量，确认是否有匹配项：

common_emails = set(df_user['Email Address'].dropna()) & set(df_emp['Email Address'].dropna())
print("两个表的共同邮箱数量:", len(common_emails))

如果数量为0，说明原始数据里确实没有重合的邮箱，需要检查数据源是否正确；如果有数量，就可以继续合并。

3. 规范merge代码 #

必须明确指定on='Email Address'，避免pandas自动匹配时出错，最终代码参考：

import pandas as pd

df_user = pd.read_excel('file1.xlsx')
df_emp = pd.read_excel('file2.xlsx')

# 统一邮箱格式
df_user['Email Address'] = df_user['Email Address'].str.strip().str.lower()
df_emp['Email Address'] = df_emp['Email Address'].str.strip().str.lower()

# 左连接合并
df_new = pd.merge(df_user, df_emp, on='Email Address', how='left')

df_new.to_excel('output.xlsx', index=False)

4. 验证合并结果 #

合并后可以打印各列的非空值数量，确认Table 2的列是否有匹配到数据：

print(df_new.count())

内容的提问来源于stack exchange，提问作者LeonH