用pandas.merge()实现左表全保留、右表仅匹配指定列，需设how='left'并提前筛选右表所需列（如right_df[['id','region','target_col']]），再通过on或left_on/right_on精准连接，避免冗余列混入。
用 pandas.merge() 实现“保留左表所有行，右表只参与匹配部分列”，关键在于正确设置 how='left' 和精准指定 on（或 left_on/right_on）参数，同时确保右表中**不参与连接的列不会被意外带入结果**——因为默认情况下，merge 会把右表所有列都加入结果，只是对未匹配行填充 NaN。
明确指定连接键，避免右表冗余列混入
如果你只想用右表的某些列做匹配（比如只用 'id' 和 'region'），但右表还有其他列（如 'sales'、'cost'、'notes'）你并不想保留，那就不能直接 merge 后再删列——而应在 merge 前先筛选右表：
- 用
right_df[['id', 'region', 'target_col']]提前截取右表中真正需要参与连接 + 需要保留的列 - 确保
on列在两个子集中都存在且类型一致（比如都是字符串或都转成 category） - 这样 merge 出来的结果里，右表只会出现你显式选中的那几列，干净无干扰
用 left_on/right_on 灵活匹配不同名但语义相同的列
当左右表连接字段名称不一致（如左表叫 'user_id'，右表叫 'uid'），又只想用其中一对字段匹配，其他列不参与也不保留，写法示例：
✅ 正确做法（只引入右表指定列）：
result = pd.merge(
left_df,
right_df[['uid', 'status', 'level']], # 只取右表这三列
left_on='user_id',
right_on='uid',
how='left',
suffixes=('', '_right')
)
# 自动丢弃右表的 'uid'（因已用于连接），保留 'status' 和 'level'
警惕隐式列冲突与重复列名
如果右表筛选后仍存在与左表同名的非连接列（例如左右都有 'name'），merge 默认会加后缀（如 'name' 和 'name_right'）。若你只要左表的 'name'，右表的不想留，就别把它放进右表子集里；如果确实需要右表的 'name' 替换左表对应值，可在 merge 后用 fillna() 或 combine_first() 控制逻辑，而不是依赖 merge 自动覆盖。
验证是否真“只匹配部分列”
merge 完成后快速检查两件事：
-
result.columns是否只含你预期的右表列（没有多出无关字段） -
result['status'].isna().sum()是否符合业务预期（即左表哪些行本该无匹配） - 用
result.query('status != status')查看 NaN 行对应的左表 key，确认缺失是否合理
