为何Pandas合并DataFrame时how参数不同却输出一致？

听起来你遇到了一个有点困惑的合并问题——不管给how参数传inner/outer/left/right中的哪一个，合并结果都完全一致，这确实和预期不符对吧？我来帮你拆解下背后的原因，以及如何验证：

先明确how参数的实际作用 #

首先得确认你对每个参数的预期是对的，这里再梳理一遍：

• inner：只保留两个DataFrame中HPI值完全匹配的行，相当于取交集
• outer：保留所有HPI值（两个表的并集），匹配不上的列用NaN填充
• left：保留左表（df1）的所有HPI值，右表（df2）匹配不上的列用NaN填充
• right：保留右表（df2）的所有HPI值，左表（df1）匹配不上的列用NaN填充

为什么所有how参数结果一致？ #

出现这种情况，大概率是以下几种原因之一：

1. 两个DataFrame的HPI列完全重叠 #

如果df1和df2的HPI列包含完全相同的唯一值集合（没有任何一方独有的值），那不管用哪种合并方式，最终都会得到所有匹配的行——因为没有需要用NaN填充的“缺失匹配”情况。

比如df1['HPI']是[100,200,300]，df2['HPI']也是[100,200,300]，那inner/outer/left/right合并的结果会完全一样。

验证方法：

# 检查两个表的HPI唯一值是否完全相同
print(set(df1['HPI']) == set(df2['HPI']))
# 分别打印两个表的HPI唯一值
print("df1的HPI唯一值：", df1['HPI'].unique())
print("df2的HPI唯一值：", df2['HPI'].unique())

2. 其中一个DataFrame是空表 #

如果df1或者df2是空的（没有任何行），那不管用哪种合并方式，结果都会是空表，自然看起来完全一致。

验证方法：

print("df1是否为空：", df1.empty)
print("df2是否为空：", df2.empty)

3. 你可能忽略了合并结果中的差异 #

有时候合并后的结果其实有差异，但你没注意到——比如匹配不上的行在表格末尾，或者NaN值不太显眼。

验证方法：

# 分别统计四种合并结果的行数
print("inner合并行数：", len(pd.merge(df1, df2, on='HPI', how='inner')))
print("outer合并行数：", len(pd.merge(df1, df2, on='HPI', how='outer')))
print("left合并行数：", len(pd.merge(df1, df2, on='HPI', how='left')))
print("right合并行数：", len(pd.merge(df1, df2, on='HPI', how='right')))

如果行数不一样，说明结果确实有差异，只是你没留意到完整的输出。

一个直观的对比例子 #

为了让你更清楚不同how参数的差异，这里给个简单示例：

import pandas as pd

# 创建两个HPI有部分重叠的DataFrame
df1 = pd.DataFrame({'HPI': [100, 200, 300], '列A': ['a1', 'a2', 'a3']})
df2 = pd.DataFrame({'HPI': [200, 300, 400], '列B': ['b2', 'b3', 'b4']})

# 四种合并方式的结果对比
print("=== Inner Merge（交集） ===")
print(pd.merge(df1, df2, on='HPI', how='inner'))

print("\n=== Outer Merge（并集） ===")
print(pd.merge(df1, df2, on='HPI', how='outer'))

print("\n=== Left Merge（保留左表所有行） ===")
print(pd.merge(df1, df2, on='HPI', how='left'))

print("\n=== Right Merge（保留右表所有行） ===")
print(pd.merge(df1, df2, on='HPI', how='right'))

运行这段代码后，你会看到四种合并结果明显不同，和你的情况形成对比。

内容的提问来源于stack exchange，提问作者ElaSz