在数据处理中，我们常遇到这样的需求：两张表并不共享同一个唯一键，而是只要满足若干个候选键中的任意一个匹配，就应当把记录合并起来。例如用户主表有user_id和mobile两列，行为日志表也带有这两列中的至少一列，我们希望日志能按user_id或mobile任一命中就补齐用户属性。Pandas原生的merge函数每次只能指定一组键做等值连接，无法直接表达“或”语义，因此需要组合多次连接与去重来实现基于列子集的灵活合并。
为什么单列merge无法满足多条件“或”合并
假设我们有用户资料表users和访问记录表logs。users中包含user_id与mobile，logs中同样可能出现user_id或mobile，但二者不一定同时齐全。若只用user_id做merge，那么logs中缺失user_id但填了mobile的行将无法关联；反之只用mobile也会漏掉另一部分。业务上要的是“只要有一个字段对上就行”，这是典型的“或”逻辑，而merge的on参数只支持“且”逻辑（多列同时相等）。
如果试图用一次外连接把两个键都放进去，例如on=['user_id','mobile']，实际含义是user_id和mobile必须同时相等，完全背离了“或”的意图。因此正确的做法是将两种单列连接分别执行，再把结果纵向拼接，并基于原始日志主键去除重复，从而保证任一键命中都被保留且不会重复计算。
基础实现：两次merge加concat去重
下面用一段完整代码展示核心思路。我们先分别按user_id和mobile做左连接，再把两个结果合并，最后按日志自身的主键log_id去重，保留首次出现的行。
import pandas as pd
# 用户资料表
users = pd.DataFrame({
'user_id': [1, 2, 3],
'mobile': ['13800000001', '13800000002', '13800000003'],
'name': ['张三', '李四', '王五']
})
# 日志表，部分行只有user_id，部分只有mobile
logs = pd.DataFrame({
'log_id': [101, 102, 103],
'user_id': [1, None, 3],
'mobile': [None, '13800000002', None],
'action': ['click', 'view', 'buy']
})
# 按user_id左连
merge_by_uid = logs.merge(users, on='user_id', how='left', suffixes=('', '_uid'))
# 按mobile左连
merge_by_mob = logs.merge(users, on='mobile', how='left', suffixes=('', '_mob'))
# 纵向拼接
combined = pd.concat([merge_by_uid, merge_by_mob], ignore_index=True)
# 按日志主键去重，保留第一个匹配到的用户属性
result = combined.drop_duplicates(subset=['log_id'], keep='first')
print(result[['log_id', 'user_id', 'mobile', 'action', 'name']])
上述代码中，两次merge分别生成带有name列的结果，concat之后同一个log_id可能出现两次（当user_id和mobile都能匹配时），drop_duplicates以log_id为基准保留第一条，就实现了“或”的效果。这种写法清晰直观，适合字段数较少的场景。
需要注意的是，如果users表中同一user_id对应多行（例如历史变更），merge会产生笛卡尔膨胀。此时应事先对users按连接键去重，或明确取最新记录，否则concat后的数据量会远超预计。此外，拼接后若出现name_uid与name_mob两个列，去重前可先合并这两列，用fillna补齐，避免冗余。
优化方案：使用fillna合并候选列
当连接键多于两个，或者用户表属性列较多时，重复后缀会带来清洗负担。我们可以在每次merge后立刻把新得到的属性列与已有列做fillna，再删掉临时列，从而保持结果整洁。
def merge_or(logs, users, keys, attr_cols):
result = logs.copy()
for k in keys:
tmp = logs.merge(users, on=k, how='left')
for c in attr_cols:
if c in tmp.columns:
result[c] = result.get(c, pd.Series(index=result.index)).fillna(tmp[c])
return result
clean = merge_or(logs, users, ['user_id', 'mobile'], ['name'])
print(clean)
这个函数接收日志表、用户表、候选键列表以及需要补齐的属性列名。它遍历每个键做连接，并用fillna把已存在的属性列逐步补全。由于是循环处理，即便有五个候选键也不会写出五段几乎一样的merge代码，维护成本显著降低。
从性能角度看，每次merge都会扫描一次用户表，数据量在百万级时可能偏慢。可先将users转为以候选键为索引的字典或Series查找结构，用map代替merge，能把时间复杂度从O(n*m)降到接近O(n)。但对于绝大多数分析任务，十万行以内的两次merge已经足够快，且代码可读性更好。
常见误区与排查建议
一个容易踩的坑是直接使用outer连接并误以为它是“或”合并。outer会把两张表的所有键组合展开，未匹配到的位置填NaN，导致行数暴涨且出现大量无意义的跨键组合。另一个误区是在concat前没有重置索引，使得drop_duplicates因索引重复而表现异常。建议每次concat都加ignore_index=True。
如果结果中name列仍有NaN，说明该日志行在两个候选键上均未命中用户表，属于正常漏匹配，应单独抽样核查日志质量，而不是调整合并逻辑。通过print(result.isna().sum())可以快速定位缺失来源，区分是键缺失还是表本身数据不全。
小结
基于列子集的多条件“或”逻辑合并，核心在于分解条件、分别连接、合并去重。Pandas虽未提供单一参数直接支持，但借助merge与concat的组合，配合fillna清理，就能写出既正确又易读的管道。面对更复杂的情况，可封装成循环函数或改用映射查找来兼顾效率。