pd.merge 如果右表的key有重复，左表会多出来一倍的计数，举例代码

假设有以下两个数据表：

import pandas as pd

left_df = pd.DataFrame({"key": ["A", "B", "C", "D"], "value": [1, 2, 3, 4]})
right_df = pd.DataFrame({"key": ["A", "B", "B", "C", "C", "C"], "value": [5, 6, 7, 8, 9, 10]})

左表 `left_df`：

| key | value |
| :-: | :---: |
| A | 1 |
| B | 2 |
| C | 3 |
| D | 4 |

右表 `right_df`：

| key | value |
| :-: | :---: |
| A | 5 |
| B | 6 |
| B | 7 |
| C | 8 |
| C | 9 |
| C | 10 |

如果使用 `pd.merge` 进行合并：

merged_df = pd.merge(left_df, right_df, on="key")
print(merged_df)

则会得到以下结果：

| key | value_x | value_y |
| :-: | :-----: | :-----: |
| A | 1 | 5 |
| B | 2 | 6 |
| B | 2 | 7 |
| C | 3 | 8 |
| C | 3 | 9 |
| C | 3 | 10 |

可以看到，由于右表中 key 为 "B" 和 "C" 的行出现了重复，因此在合并后的结果中，左表中对应的行也会出现重复。这是因为 `pd.merge` 默认使用的是 inner join，即只保留两个表中都存在的 key 对应的行。如果需要保留右表中所有的 key 对应的行，可以使用 outer join：

merged_df = pd.merge(left_df, right_df, on="key", how="outer")
print(merged_df)

则会得到以下结果：

| key | value_x | value_y |
| :-: | :-----: | :-----: |
| A | 1 | 5 |
| B | 2 | 6 |
| B | 2 | 7 |
| C | 3 | 8 |
| C | 3 | 9 |
| C | 3 | 10 |
| D | 4 | NaN |

可以看到，在使用 outer join 后，左表中没有对应 key 的行也被保留了下来，并用 NaN 填充了对应的列。