merge、join、concat 有什么区别？什么时候用哪个？

一句话：merge 按"键列"合并（像 SQL join），concat 做"物理拼接"（上下/左右堆叠），join 是 merge 的索引版。

一、merge：按列合并（最常用）

orders = pd.DataFrame({"id": [1,2,3], "city": ["北京","上海","广州"]})
users  = pd.DataFrame({"id": [2,3,4], "name": ["张三","李四","王五"]})

pd.merge(orders, users, on="id")                    # 内连接（默认 inner）
pd.merge(orders, users, on="id", how="left")        # 左连接：保留 orders 全部
pd.merge(orders, users, on="id", how="outer")       # 外连接：全保留
pd.merge(orders, users, left_on="id", right_on="uid")  # 键名不同
# 多键：on=["a","b"]；一对多会行数膨胀，注意检查

二、concat：物理拼接（行堆叠/列拼接）

df1 = pd.DataFrame({"a":[1,2]}); df2 = pd.DataFrame({"a":[3,4]})
pd.concat([df1, df2], axis=0)        # 上下拼（纵向加行）
pd.concat([df1, df2], axis=1)        # 左右拼（横向加列）
pd.concat([df1, df2], ignore_index=True)  # 重置索引（上下拼常用）

三、join：基于索引的合并

df1.join(df2, how="left")            # 等价 merge(..., left_index=True, right_index=True)

选型表：

| 场景 | 用哪个 |

|---|---|

| 两个表有公共列，要按列关联 | merge |

| 同结构数据上下堆叠（追加行） | concat(axis=0) |

| 不同列数据左右拼接（按行对应） | concat(axis=1) 或 join |

| 按索引对齐合并 | join |

常见坑： merge 后行数变多——说明有重复键（一对多），用 df.duplicated() 检查；列名冲突时加 suffixes=["_x","_y"]。