pandas merge 小坑：键值顺序的影响？

一个常见的 pandas merge 两张表的场景如下：

我们准备在 [key1, key2] 上 merge 表 a 和表 b

表 a
    idx key1 key2
0   1   1   1
1   2   3   2
2   3   4   4
3   5   5   5
4   7   6   7

表 b
    id key2 key1
0   1   1   1
1   2   2   3
2   3   4   4
3   5   5   5
4   7   7   6

虽然二者的 key2 key1 的顺序不同，但是在普通 merge，指定on=['key1', 'key2']或者on=['key2', 'key1']都可以，会分别匹配两个键

a.merge(b, on=['key1', 'key2'], how='left')

   idx key1 key2 id
0   1   1   1   1
1   2   3   2   2
2   3   4   4   3
3   5   5   5   5
4   7   6   7   7

a.merge(b, on=['key2', 'key1'], how='left')

  idx key1 key2 id
0   1   1   1   1
1   2   3   2   2
2   3   4   4   3
3   5   5   5   5
4   7   6   7   7

但是如果我们用另一种方式 merge，left指定列名，而right使用index

b = b.set_index(['key2', 'key1'])
a.merge(b, left_on=['key1', 'key2'], right_index=True, how='left')


  idx key1 key2 id
0   1   1   1   1.0
1   2   3   2   NaN
2   3   4   4   3.0
3   5   5   5   5.0
4   7   6   7   NaN

可以看到left表提供的是按照left_on顺序给出的键值，而right表是按照index顺序给出的键值，导致出现了没有匹配的情况

而如果更换一下left_on顺序：

a.merge(b, left_on=['key2', 'key1'], right_index=True, how='left')

  idx  key1 key2 id
0   1   1   1   1
1   2   3   2   2
2   3   4   4   3
3   5   5   5   5
4   7   6   7   7

可以发现匹配就成功了

这应该是因为当使用index进行匹配的时候，索引往往是用tuple存储的，作为不可变类型，元素的顺序也不能改变，可能压根就不会去匹配元组的元素名称和列表的元素名称，而列表表示键值顺序的left表，就会根据每个元素的名称去DataFrame中找到对应的列名