第06章 病史归并：合并与重塑

第06章 病史归并：合并与重塑

章节摘要：现实病史散在多张表——订单表、会员表、门店表。merge按键横向配对，concat纵向叠加，merge的四种连接方式决定"对不上的行怎么办"，stack与unstack在长宽形态间调床位。归并质量完全取决于键的干净程度（第04章的馈赠）。

一条主线

会诊报告（第05章）只用到了订单表自己的字段。现在新需求来了：报告里要带会员等级和门店城市——这些分别住在会员表和门店表里。主线任务是把三张表归并成一张宽表，途中处理两个经典冲突：会员表里有从没下过单的会员（要不要出现在报告里）、订单表里有会员表查无此人的交易（脏键还是流失会员）。这两个问题没有标准答案，只有口径——而口径就是merge的how参数。

沿途站点

6-1 merge的交叉配对

单键多键连接、how四种方式的行取舍、validate与indicator两道安全带，以及多对一与多对多的膨胀风险。

6-2 concat的病史叠加

按轴堆叠、join参数的对齐策略、ignore_index的重排，以及"append已死，concat当立"的现状。

6-3 stack与unstack的床位调整

宽长互换的另一对手：不聚合、纯搬运，层次索引是它的操作台。与第05章的melt对读，看清各自适用面。

拐点与结论

本章拐点是how参数的语义：left、right、inner、outer不是四个技术选项，是四种业务口径——"只看有单的会员"与"盘点全部会员包括沉睡的"是两份不同的报告。读完本章，你应当能够：

• 按业务口径选择how参数，并用indicator解释每行的来源
• 用validate在连接前拦截多对多膨胀
• 用concat完成纵向堆叠与横向拼列，说明join='inner'与'outer'的差异
• 用stack与unstack完成不带聚合的宽长转换
• 排查merge后行数暴涨或莫名变少的两类事故

前置与延伸

前置：第04章的键规范化（merge质量的上限）、第02章的索引对齐（concat的axis=1完全按索引走）。延伸：merge的时间场景（按时间段匹配）在时间序列分析里进阶；宽长形态的完整图谱由本章stack与5-3的melt共同构成。练习建议人为制造脏键（加空格、改大小写）观察merge静默丢行，再把4-3的消毒流程接上，跑通一次完整闭环。

下一章的接力

归并出的宽表有了时间字段，下一章给病史装上时间轴：第07章的时间索引、重采样与移动窗口，让随访变成流水线的常态环节。

本章考核知识点清单

归并室的考核点：按业务口径在四种how里做选择并说明理由；用indicator定位脏键与孤立记录；用validate预防多对多膨胀；完成行数对账并解释差额来源；用concat做纵向堆叠与横向拼列并处理索引与列差异；说出axis=1按索引对齐的坑；用stack与unstack完成层次索引的宽长互换；说明stack默认丢NaN的行为及fill对策。这八条是所有多表工作的地基，BI工程师每天一半的代码都写在这一章的知识点上。