可通过 suffixes 参数控制重复列名后缀，如 suffixes=('_left', '_right')；若要避免后缀，需提前重命名列或改用 join/concat。
merge 后列名重复导致 _x _y 自动加缀，怎么控制？
默认情况下，pandas.merge() 遇到左右表同名列（非 on 列）会自动加 _x 和 _y 后缀。这不是 bug，是设计行为——但很多人误以为是“冲突”，其实只是 pandas 在帮你做无歧义命名。
关键在 suffixes 参数：它接收一个长度为 2 的元组，分别指定左表、右表同名列的后缀，默认是 ('_x', '_y')。
-
suffixes=('_left', '_right')更语义化，适合调试时快速识别来源 -
suffixes=('', '_new')可让左表保留原列名，右表加缀（注意：仅当左表列名不重复时安全） - 如果设成
suffixes=('', '')，pandas 会报错：ValueError: columns overlap but no suffix specified
示例：
df_merged = pd.merge(df1, df2, on='id', suffixes=('_old', '_new'))
想完全避免后缀？得先清理列名或改用 join / concat
merge 的核心逻辑是基于键对齐 + 非键列拼接，只要存在同名列（除 on 列外），就一定会触发后缀机制——没有“关闭后缀”的开关。
立即学习“Python免费学习笔记（深入）”；
真要零后缀，只有两个务实路径：
- 提前重命名其中一张表的列：
df2_renamed = df2.rename(columns={'col': 'col_new'})，再 merge - 改用
join（要求索引对齐）或concat（需先 set_index），但语义和 merge 不同，别硬套 - 用
merge(..., indicator=True)辅助检查哪些列被加缀了，再针对性 rename
suffixes 影响后续列引用，容易在链式操作中出错
加缀后的列名变了，后续代码里如果还写 df['price'] 就会报 KeyError——这是最常踩的坑，尤其在 pipeline 里 merge 后直接 .groupby() 或 .filter()。
- 建议 merge 后立刻用
df.columns.tolist()看一眼实际列名 - 别依赖“我以为叫 price”这种直觉，显式写
df['price_old']或df['price_new'] - 如果 merge 是中间步骤，考虑用
assign()或pipe()把列名标准化，别让后缀穿透整条链
多表合并时 suffixes 不叠加，每次 merge 独立生效
有人试过连续 merge 三张表，以为后缀会变成 _x_x 或 _y_y，其实不会。suffixes 只作用于当前 merge 的左右两个输入 DataFrame，输出 DataFrame 的列名就是最终名，下一次 merge 把它当“左表”，就按新列名参与运算。
- 第一次：
merge(a, b, suffixes=('_a', '_b')) → cols: ['id', 'val_a', 'val_b'] - 第二次：
merge(result, c, on='id', suffixes=('', '_c')) → cols: ['id', 'val_a', 'val_b', 'val_c'] - 所以多步合并，后缀是“分层覆盖”，不是“嵌套叠加”
复杂点在于：一旦某列在前序 merge 中已被加缀，后续 rename 容易漏掉，尤其当列名含下划线时——比如 user_name_old 和 user_name 并存，suffixes=('', '_new') 可能意外覆盖。
