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