第 5 章：合并与重塑（Merging & Reshaping） on 跟我学机器学习

Pandas 合并与重塑详解：merge、concat、melt、unstack 与 apply | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 5.1 节核心知识点#

预计学习时长： 50 分钟

本节目标：

分清 merge()（按条件匹配）和 concat()（按位置堆叠）；

会用 inner / left / right / outer 四种连接方式；

会用 suffixes 处理重名列，用 indicator=True 检查匹配情况；

会用 concat() 按行拼和按列拼；

会用 melt() 把宽表变长表、unstack() 把长表变宽表；

会用 apply() 和 map() 写自己的变换逻辑。

先说清楚一件事：merge 和 concat 的本质区别#

这一章所有的困惑，都来自没分清这两件事：

	`merge()`	`concat()`
干什么	按条件匹配	按位置堆叠
怎么对齐	按你指定的「共同字段」	按索引对齐
行数会变吗	会（取决于 `how`）	`axis=0` 时相加，`axis=1` 时不变
类比	SQL 的 JOIN	复制粘贴

一个生活化的比喻：

merge() 像是查字典——你拿着订单号去客户表里查，查到谁就补上谁的信息，查不到的就空着；
concat() 像是把两叠纸摞起来——不看内容，只看位置。

搞清这个区别，下面所有内容都好理解。

知识点 1：Merge DataFrames（合并 DataFrame）#

准备两张表：

Pandas 编程练习：5 道动手题学会合并与重塑（merge、concat、melt、unstack、apply） | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 5.2 节编程练习#

预计学习时长： 50 分钟

练习方式： 新建一个 Jupyter Notebook，抄好准备代码，然后每题独立完成。这 5 题是整个课程的收官，难度比前面略高，慢慢来。

准备：两张表#

import pandas as pd
import numpy as np

orders = pd.DataFrame({
 "订单号": [1001, 1002, 1003, 1004],
 "城市": ["北京", "上海", "北京", "广州"],
 "商品": ["手机", "电脑", "耳机", "手机"],
 "销量": [2, 1, 3, 2],
 "金额": [7998.0, 7999.0, 1797.0, 7998.0],
})

clients = pd.DataFrame({
 "订单号": [1001, 1002, 1005],
 "客户名": ["张三", "李四", "王五"],
 "会员等级": ["金卡", "银卡", "铜卡"],
})

练习 1：根据共同字段合并两个 DataFrame#

题目： 完成下面 5 个任务：

用 merge() 按「订单号」合并两张表，打印结果（默认方式）；
改成 how="left"，打印结果；
改成 how="outer"，并加 indicator=True，打印结果；
从第 3 题的结果里，筛出 _merge 为 "left_only" 的行；
统计 _merge 各取值的行数。

思考题： 第 1 题为什么只有 2 行？订单 1003 去哪了？

Pandas 常见问题答疑：10 个合并重塑必踩的坑（merge、concat、melt、unstack、apply） | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 5.3 节常见问题#

这一节收集了初学者在「拼表」环节最常卡的 10 个问题。每个问题都给出直接答案，能跑代码的都附上完整示例。

怎么用这一节 不用通读。拼表时遇到问题用 Ctrl+F 搜关键词，直接跳到对应那条。

准备一下数据，下面每题都会用到：

import pandas as pd
import numpy as np

orders = pd.DataFrame({
 "订单号": [1001, 1002, 1003, 1004],
 "城市": ["北京", "上海", "北京", "广州"],
 "商品": ["手机", "电脑", "耳机", "手机"],
 "金额": [7998.0, 7999.0, 1797.0, 7998.0],
})

clients = pd.DataFrame({
 "订单号": [1001, 1002, 1005],
 "客户名": ["张三", "李四", "王五"],
 "会员等级": ["金卡", "银卡", "铜卡"],
})

Q1：`merge()` 和 `concat()` 有什么区别？#

答：一个按条件匹配，一个按位置堆叠。

	`merge()`	`concat()`
对齐依据	你指定的共同字段	索引（`axis=1` 时）或直接摞（`axis=0` 时）
行数	取决于 `how`	`axis=0` 时相加，`axis=1` 时取并集
像什么	SQL 的 JOIN	复制粘贴
什么时候用	「给表补信息」	「把多段记录接起来」

# 补信息：订单表加客户信息
orders.merge(clients, on="订单号", how="left")

# 接记录：这个月的表 + 上个月的表
pd.concat([jan_df, feb_df], ignore_index=True)

一句话判断

第 5 章：合并与重塑（Merging & Reshaping） on 跟我学机器学习

Pandas 合并与重塑详解：merge、concat、melt、unstack 与 apply | Pandas 数据分析实战

第 5.1 节 核心知识点#

先说清楚一件事：merge 和 concat 的本质区别#

知识点 1：Merge DataFrames（合并 DataFrame）#

Pandas 编程练习：5 道动手题学会合并与重塑（merge、concat、melt、unstack、apply） | Pandas 数据分析实战

第 5.2 节 编程练习#

准备：两张表#

练习 1：根据共同字段合并两个 DataFrame#

Pandas 常见问题答疑：10 个合并重塑必踩的坑（merge、concat、melt、unstack、apply） | Pandas 数据分析实战

第 5.3 节 常见问题#

Q1：merge() 和 concat() 有什么区别？#

第 5.1 节核心知识点#

第 5.2 节编程练习#

第 5.3 节常见问题#

Q1：`merge()` 和 `concat()` 有什么区别？#