使用Pandas合并不同维度的SuperStoreUS Excel多工作表

方法选择说明 #

首先明确三种方法的适用场景，你需要的是按指定字段关联不同结构的表，所以pd.merge是最优选择：

• concat：仅适合结构高度相似的表（列名/索引一致）做行/列拼接，不适合你的跨表关联需求。
• join：默认按索引关联表，灵活性不如merge（后者可直接指定关联列）。
• merge：专为不同表通过指定键（如Region、OrderID）关联设计，完全匹配你的需求。

为什么how='right'会丢数据 #

right join以右表为基准保留行，如果你的右表是Users或Returns，会只保留右表存在的行，丢弃左表（Orders）中无匹配的行。要完整保留Orders的所有数据，必须用how='left'（以Orders为基准）。

完整合并代码 #

import pandas as pd

# 读取三个工作表
orders_df = pd.read_excel('SuperStoreUS.xlsx', sheet_name='Orders')
returns_df = pd.read_excel('SuperStoreUS.xlsx', sheet_name='Returns')
users_df = pd.read_excel('SuperStoreUS.xlsx', sheet_name='Users')

# 1. 关联Orders与Users：保留所有订单，匹配对应区域的经理信息
orders_with_manager = pd.merge(orders_df, users_df, on='Region', how='left')

# 2. 关联退货数据：保留所有订单，匹配对应订单的退货记录（无退货则字段为NaN）
final_merged_df = pd.merge(orders_with_manager, returns_df, on='OrderID', how='left')

# 验证数据完整性：合并后行数应与原Orders一致
print(f"原Orders行数：{len(orders_df)}，合并后行数：{len(final_merged_df)}")

代码说明 #

• 第一步left join保证所有订单数据不丢失，Users中的经理信息会自动匹配到对应Region的订单行；若Orders中存在Users未覆盖的Region（按你的描述应该不会），经理字段会填充为NaN，但订单数据仍保留。
• 第二步left join将退货信息关联进来，有退货记录的行会填充退货字段，无退货的行对应字段为NaN，确保订单数据完整。

内容的提问来源于stack exchange，提问作者Aleksandra Milicevic