如何用Python Pandas合并customer_orders与order_products两个DataFrame？

首先先确认你提供的customer_orders DataFrame，我把它的代码和结构再列出来方便参考：

import pandas as pd

customer_orders = pd.DataFrame(
    {'customerID': [1, 2, 2, 1], 
     'customerName': ['John', 'Anna', 'Anna', 'John'], 
     'customerAge': [21, 45, 45, 21], 
     'orderID': [255, 256, 257, 258], 
     'paymentType': ['visa', 'bank', 'master', 'paypal']}
)

它的结构如下：

customerAge customerID customerName orderID paymentType
0 21 1 John 255 visa
1 45 2 Anna 256 bank
2 45 2 Anna 257 master
3 21 1 John 258 paypal

接下来我假设你的order_products是包含订单对应产品信息的DataFrame，先构造一个贴近业务场景的示例：

order_products = pd.DataFrame(
    {'orderID': [255, 256, 257, 259], 
     'productName': ['Laptop', 'Phone', 'Tablet', 'Headphones'], 
     'quantity': [1, 2, 1, 3]}
)

现在可以用Pandas的merge()函数来合并这两个DataFrame，核心是找到关联键（这里是orderID），再根据需求选择合适的合并类型。

1. 内连接（Inner Join） #

这是默认的合并方式，只保留两个DataFrame中关联键都存在的行：

merged_inner = pd.merge(customer_orders, order_products, on='orderID')

结果只会包含orderID为255、256、257的行——因为259在customer_orders里不存在，258在order_products里不存在，都会被过滤掉。

2. 左连接（Left Join） #

保留左表（这里是customer_orders）的所有行，右表（order_products）中匹配的行会被合并，没有匹配的列会填充NaN：

merged_left = pd.merge(customer_orders, order_products, on='orderID', how='left')

结果里会保留orderID=258的行，对应的productName和quantity列会显示NaN。

3. 右连接（Right Join） #

和左连接逻辑相反，保留右表（order_products）的所有行，左表中没有匹配的列填充NaN：

merged_right = pd.merge(customer_orders, order_products, on='orderID', how='right')

结果里会保留orderID=259的行，对应的客户相关列（比如customerName、customerAge）都会显示NaN。

4. 外连接（Outer Join） #

保留两个DataFrame的所有行，没有匹配的列统一用NaN填充：

merged_outer = pd.merge(customer_orders, order_products, on='orderID', how='outer')

结果会包含所有5个orderID（255、256、257、258、259），缺失数据的位置都会用NaN补全。

额外实用技巧 #

• 如果两个表的关联键名称不一样，可以用left_on和right_on分别指定，比如左表是order_id、右表是orderID，写法为：pd.merge(df1, df2, left_on='order_id', right_on='orderID')
• 如果需要按多个键合并，只需把on的值改成列表即可，比如on=['customerID', 'orderID']（适合需要同时匹配客户和订单的场景）

内容的提问来源于stack exchange，提问作者lordy