Pandas中merge方法原理及无共同列左连接代码解析

嘿，我来帮你拆解这段代码的运行机制——你说df和temp_df没有共同列但merge成功了，其实是reset_index()在偷偷帮你创造连接键！

核心逻辑拆解 #

先看你的代码：

final_df = pd.merge(df, temp_df.reset_index(), how="left").fillna(0)

我们一步步拆：

1. temp_df.reset_index()的作用 #

reset_index()会把temp_df原来的行索引转换成一个新的列（如果你的temp_df是分组聚合来的，原来的索引就是分组键，比如你示例里的emp，那转换后列名就是emp），同时给temp_df生成新的默认整数索引（0、1、2...）。

举个贴合你示例的例子：
假设你之前是按emp分组聚合得到temp_df：

temp_df = df.groupby('emp')['usd'].sum().rename('total_usd')

这时候temp_df是一个Series，索引是['a','b','c']，对应的值是各组usd的总和（10、18、38）。执行temp_df.reset_index()后，它会变成一个DataFrame，列是['emp', 'total_usd']——这时候emp列就和你的df里的emp列完全匹配了！

2. pd.merge的自动匹配规则 #

当你调用pd.merge()却不指定on/left_on/right_on这些参数时，Pandas会自动扫描两个DataFrame的列，把列名完全相同的列作为连接键。

在你的场景里，temp_df.reset_index()后生成的emp列（分组键转来的），刚好和df里的emp列同名，所以Pandas就自动用这个列做左连接了——这就是你以为没有共同列，但merge能成功的原因！

3. how="left"和fillna(0)的作用 #

• how="left"表示左连接：以df的所有行为基准，把temp_df里匹配的行数据合并过来。比如df里所有emp='a'的行，都会带上temp_df里emp='a'对应的total_usd值。
• .fillna(0)是兜底处理：如果df里出现某个emp值在temp_df里不存在（比如突然出现emp='d'），左连接后对应的total_usd会是NaN，这个方法把这些缺失值换成0，保证数据的完整性。

完整运行流程总结 #

1. 把temp_df的分组索引（emp）转换成列，得到带emp列的新DataFrame；
2. Pandas自动识别到df和新DataFrame的emp列是共同键，做左连接，把聚合值匹配到df的每一行；
3. 把连接产生的缺失值替换为0，得到最终的final_df。

这样是不是就完全明白这段代码的运行机制啦？

内容的提问来源于stack exchange，提问作者Ni_Tempe