pandas.merge() 默认为同名非键列添加_x和_y后缀以区分来源；可通过suffixes参数自定义后缀，但仅对非合并键的重名列生效，键列和独有列不受影响。
merge() 合并后列名自动加 _x 和 _y 是默认行为
当你用 pandas.merge() 合并两个含同名列的 DataFrame 时，pandas 不会报错，而是默默给左边的冲突列加 _x、右边的加 _y。这不是 bug，是设计如此——它得区分来源，否则数据就混了。
比如 df1 和 df2 都有 'price' 列，合并后你会看到 'price_x' 和 'price_y'。这个逻辑只对「用于合并的 key 列以外的重名列」生效；key 列本身（如 on='id'）会被保留一次，不加后缀。
常见错误现象：
• 合并完发现列名变了，但没意识到是 pandas 自动加的
• 直接写 df['price'] 报 KeyError，因为实际已是 'price_x'
• 用 df.columns.tolist() 才发现一堆 _x/_y
用 suffixes 参数彻底控制后缀名
suffixes 是个二元 tuple，形如 suffixes=('_left', '_right')，分别指定左表和右表非 key 列的后缀。它必须传两个 str，少一个或类型不对都会报 ValueError。
立即学习“Python免费学习笔记（深入）”；
实操建议：
• 始终显式传 suffixes，别依赖默认值，尤其在多人协作或后续要读取列名的场景
• 后缀尽量简短、语义清晰，比如 ('_a', '_b') 或 ('_old', '_new')，避免用 ('_1', '_2') 这种无上下文的命名
• 如果想让某侧列不加后缀（比如右表全是参考字段），可设为 ('', '_ref')，但注意左侧列名必须全不重复，否则仍会冲突
示例：
merged = pd.merge(df1, df2, on='id', suffixes=('_src', '_dst'))此时
df1.price → price_src，df2.price → price_dst。
哪些情况 suffixes 不起作用？
suffixes 只影响「非合并键的重名列」。以下情况它完全不干预：
• 合并键列（如 on='id' 或 left_on='uid', right_on='user_id'）始终只保留一次，不加任何后缀
• 左右表各自独有的列（无重名）原样保留，不受 suffixes 影响
• 使用 how='cross' 时，因无 key 匹配逻辑，所有非 key 列都视为需区分，suffixes 正常生效
• 若左右表有同名列但该列恰好也是合并键（比如 on='name' 且两表都有 'name'），那它被当作 key 处理，不加后缀——这点容易误判，务必核对 on / left_on / right_on 的实际字段
合并前检查重名列比事后修列名更可靠
靠 suffixes 改后缀只是补救，真正省事的做法是合并前就理清字段意图：
• 用 set(df1.columns) & set(df2.columns) 快速找出重名列（排除合并键）
• 对非关键重名列，提前用 rename() 显式改名，比如 df2.rename(columns={'price': 'price_updated'})
• 如果重名是因业务含义不同（如 'amount' 在订单表是总价，在退款表是退额），重命名比加后缀更能防误用
• 注意：suffixes 不改变原始 DataFrame，只影响结果；而 rename() 是前置操作，能让你全程掌控列名
最易被忽略的一点：当合并涉及多层索引或列名为 tuple 时，suffixes 依然按字符串拼接处理，但结果列名会变成 ('price', '_left') 这类 tuple，后续取数语法完全不同——这种边界情况一旦发生，调试成本远高于提前 flatten 列名。
