用 merge 还是 join，取决于你手里的数据结构和索引状态——不是语法偏好问题，而是“谁当主表、谁提供键、键在不在索引里”这三个现实条件决定的。
什么时候必须用 merge？
merge 是 pandas 最通用的合并方式，不依赖索引，只要列名对得上就能连。适合绝大多数日常场景，尤其是两张表都靠普通列（比如 "user_id"、"order_no"）关联时。
- 两张表的连接字段都不是索引，比如
df1["id"]和df2["customer_id"] - 需要指定
how="outer"或how="right"等非默认方式，join默认只支持"left" - 要按多个列合并，比如
on=["date", "region"] - 左右表连接字段名不同，需用
left_on="uid"+right_on="user_id"
pd.merge(df_orders, df_users,
left_on="user_id", right_on="id",
how="inner")
什么时候该用 join？
join 本质是基于索引的左连接（how="left"），速度快、写法短，但前提是至少有一边的连接键已经是索引。
- 其中一张表已设好索引，比如
df_users.set_index("id")，另一张表用"user_id"列去匹配 - 想快速把多个表按同一索引批量合并：
df_base.join([df_info, df_stats]) - 合并后要保留左表原始索引顺序，且不希望 pandas 自动重排索引
df_orders.set_index("user_id").join(df_users.set_index("id"), how="left")
注意：join 默认按索引对齐，如果右表没设索引，它会拿右表的 index 去匹配左表索引——这常导致空结果，别踩这个坑。
立即学习“Python免费学习笔记（深入）”；
merge 的常见翻车点
看似简单，但参数一错就静默出错或返回意外行数。
-
on和left_on/right_on不能混用：要么全用on（字段名相同），要么明确分开写left_on+right_on -
suffixes不加的话，同名列（如两表都有"name"）会变成"name_x"/"name_y"，容易漏改后续代码 -
validate="one_to_one"或"m:1"可提前报错，避免因重复键导致行数爆炸（比如一个订单号在订单表出现 5 次，用户表出现 2 次，merge后就是 10 行）
pd.merge(df_a, df_b,
on="key",
suffixes=("_a", "_b"),
validate="m:1")
性能与可读性取舍
小数据（join 在索引对齐前提下比 merge 快 20%–40%，因为跳过了列查找逻辑。但别为了这点速度强行设索引——如果连接字段本来就不唯一，设索引反而触发 duplicate labels 错误。
真正容易被忽略的是：合并前先检查键的分布。用 df["key"].nunique() 和 len(df) 对比，确认是不是真的一对一，否则无论用哪个函数，结果都不可靠。
