pandas merge合并DataFrame仅返回单行无法匹配多行如何解决

pandas.merge仅能合并1行，核心是两类问题：

• 关联键不匹配：两个表用于关联的字段存在数据类型不一致、前后带隐形空格/不可见字符、格式不统一的问题，导致pandas判定绝大多数键值不相等，仅1行能命中匹配规则
• 合并参数错误：默认merge采用内连接（how='inner'），仅保留两个表共有的关联键；如果左右表写反，也会出现仅保留少量匹配行的问题

1. 先清洗关联键 #

先确认关联键状态，再做统一清洗：

# 替换成你实际用来关联的字段名，比如user_id、sku_id这类
join_key = "你的关联字段名"

# 校验两个表关联键的数据类型
print(f"表1（存name的表）关联键类型：{df1[join_key].dtype}")
print(f"表2（要补name的目标表）关联键类型：{df2[join_key].dtype}")

# 统一类型为字符串，同时去除前后隐形空格、换行符
df1[join_key] = df1[join_key].astype(str).str.strip()
df2[join_key] = df2[join_key].astype(str).str.strip()

如果存name的df1中关联键有重复值，先提前去重避免合并后行数异常膨胀：

df1 = df1.drop_duplicates(subset=join_key, keep="first")

2. 用正确参数执行合并 #

你需要保留目标表（第二个DataFrame）的全部行，匹配第一个表的name字段，必须使用左连接，且把目标表放在左表位置：

result_df = pd.merge(
    left=df2, # 左表放需要保留所有行的目标表
    right=df1[[join_key, "name"]], # 右表只取关联键和需要的name字段，避免多余列冲突
    on=join_key,
    how="left" # 左连接规则：左表行全部保留，右表匹配不到的值填充NaN
)

合并完成后执行以下代码确认匹配效果：

# 统计name字段的匹配成功率
match_rate = result_df["name"].notna().mean()
print(f"name字段匹配成功率：{match_rate:.2%}")

如果匹配率低于预期，再排查两个表关联键的值是否存在编码不一致、全角半角字符差异的问题即可。

内容的提问来源于stack exchange，提问作者Walter Joel Solano