使用左侧表中的subject_id键连接raw_data_1和raw_data_2； 以交集的方式横向连接raw_data_1和raw_data_3； 重叠合并raw_data_1和raw_data_2两个DataFrame。

在Python的pandas库中，你可以使用`merge()`函数来结合数据框。这里有两个操作：

1. **通过左侧表中的subject_id键连接**：如果你想要按照`raw_data_1`表中的`subject_id`列将两个数据框连接起来，你可以这样做：

merged_df_1 = pd.merge(raw_data_1, raw_data_2, on='subject_id', how='inner')

这会返回一个新的数据框，其中只包含`subject_id`在两个表中都存在的行。

2. **横向连接（即交集连接）raw_data_1和raw_data_3**：由于`raw_data_3`没有提供直接的例子，通常横向连接是指沿列方向进行连接。如果`raw_data_1`和`raw_data_3`有相同的列名并且你想保留所有列，可以使用`concat`函数：

merged_df_2 = pd.concat([raw_data_1, raw_data_3], axis=1)

这会创建一个新的数据框，其列是这两个数据框的并集。

3. **重叠合并raw_data_1和raw_data_2**：既然已经通过`subject_id`进行了内连接，那么`merged_df_1`就是它们的重叠部分。如果你想再做一次合并，确保`raw_data_2`和`raw_data_1`的列名一致，并使用`pd.concat`可能会导致数据重复。如果你只是想再次确认列的匹配度，就无需额外操作。

注意，以上操作假设`subject_id`都是唯一的标识符，并且`raw_data_1`和`raw_data_2`的列名需要兼容才能进行合并。如果不兼容，可能需要预处理数据或明确指定`on`参数。