
Merge pandas: ghép bảng bằng merge, join và concat
AIDev TeamTham vấn chuyên môn: Nguyễn Việt Chung
Đăng 12 phút đọc
Mục lục · 20
Muốn ghép bảng trong pandas, bạn dùng concat để nối các bảng cùng cột chồng lên nhau, merge để ghép hai bảng theo một cột khóa, join khi khóa nằm ở index. Bài ghép ba bảng đơn hàng, khách hàng, sản phẩm của Tiệm Mây, đếm số dòng sau mỗi kiểu ghép và chỉ ra hai lỗi hay gặp.
Ghép bảng trong pandas có ba lệnh, mỗi lệnh cho một việc. pd.concat nối các bảng cùng cột chồng lên nhau, như sáu file đơn hàng của sáu tháng. merge ghép hai bảng theo một cột chung gọi là khóa, như gắn tên tỉnh của khách vào từng đơn theo mã khách. join cũng ghép theo khóa nhưng tìm khóa trong index (nhãn dòng) của bảng bên phải. Khi merge pandas, việc quan trọng nhất là đếm số dòng trước và sau: trên dữ liệu trong bài, chọn sai kiểu ghép làm mất 25 đơn, còn khóa bị trùng làm bảng phình thêm 161 dòng mà pandas không báo gì.
Mấy điều cần nắm trước khi đọc tiếp:
Dữ liệu là ba bảng của cửa hàng mô phỏng "Tiệm Mây" ở lab.aidev.edu.vn/k2:
don_hang_sach.csv(6.000 đơn),khach_hang_sach.csv(1.200 khách),san_pham.csv(120 sản phẩm). Code đọc thẳng từ đường link nên bạn chạy được ngay.mergemặc định làhow="inner", chỉ giữ dòng khớp ở cả hai bảng. Dòng không khớp bị bỏ mà không có cảnh báo.Tham số
validate="many_to_one"bắt pandas kiểm khóa trước khi ghép. Chỉ cần thêm tham số này, pandas sẽ báo lỗi thay vì lặng lẽ nhân dòng.Mọi lệnh chạy trên pandas 3.1.1, máy ảo AIDev Cloud, ngày 08/11/2026.
Khi nào dùng merge, join hay concat?
Mình chọn lệnh theo hình dạng của hai bảng cần ghép:
Tình huống | Lệnh | Ví dụ trong bài |
|---|---|---|
Nhiều bảng cùng cột, cần nối dài thêm dòng |
| 6 file đơn hàng tháng 1 đến 6/2026 thành 2.222 dòng |
Hai bảng có chung một cột mã, cần thêm cột |
| gắn giá vốn vào đơn theo |
Bảng bên phải đã đặt mã làm index |
| gắn tỉnh vào đơn theo |
Hai bảng cùng số dòng, cùng thứ tự, cần đặt cạnh nhau |
| ít dùng, dễ lệch dòng |
Nếu bạn chưa quen cách đọc file vào DataFrame (bảng dữ liệu của pandas), bài đọc, ghi CSV và Excel bằng pandas nói kỹ phần này; bài này bắt đầu từ lúc ba bảng đã nằm trong bộ nhớ:
import pandas as pd
U = "https://lab.aidev.edu.vn/k2/du-lieu/"
dh = pd.read_csv(U + "don_hang_sach.csv")
kh = pd.read_csv(U + "khach_hang_sach.csv")
sp = pd.read_csv(U + "san_pham.csv")
print(dh["ma_don"].is_unique, kh["ma_kh"].is_unique, sp["ma_sp"].is_unique)
Ba giá trị in ra đều là True: mỗi đơn, mỗi khách, mỗi sản phẩm chỉ có một dòng. Mình luôn kiểm tính duy nhất của khóa trước khi ghép, vì hai lỗi ở mục "Lỗi mình gặp khi ghép bảng" đều bắt nguồn từ khóa bị trùng hoặc khác kiểu.
Nối nhiều file bằng concat
Tiệm Mây xuất mỗi tháng một file đơn hàng. Nối sáu file tháng 1 đến tháng 6/2026 thành một bảng là việc của pd.concat:
thang = [pd.read_csv(U + f"don_hang_thang/2026-0{i}.csv") for i in range(1, 7)]
c = pd.concat(thang, ignore_index=True)

Sáu file có 349, 471, 358, 340, 351 và 353 dòng, cộng lại 2.222 dòng, đúng bằng số đơn năm 2026 trong don_hang_sach.csv. Nếu bỏ ignore_index=True, mỗi file giữ index riêng từ 0, nên bảng ghép có 1.751 nhãn dòng bị lặp và dòng cuối mang nhãn 352. Lệnh c.loc[0] khi đó trả về sáu dòng thay vì một.
Muốn biết dòng nào đến từ file nào, đưa thêm keys:
c2 = pd.concat(thang, keys=[f"2026-0{i}" for i in range(1, 7)], names=["thang", "dong"]).reset_index(level="thang")
Cột thang mới đếm được 349 dòng 2026-01, 471 dòng 2026-02, khớp số dòng của từng file.
concat khi hai file lệch tên cột
concat ghép theo tên cột, không theo vị trí. Mình đổi tên cột doanh_thu của file tháng 1 thành doanh_so để mô phỏng một file xuất từ phần mềm cũ, rồi nối với file tháng 2. Kết quả có 820 dòng nhưng 14 cột: 349 dòng tháng 1 trống ở doanh_thu, 471 dòng tháng 2 trống ở doanh_so. Không có lỗi nào được báo, nên sau mỗi lần nối nhiều file, bạn nên in c.shape và so số cột với từng file.
Nhiều tutorial cũ dùng df.append(df2) để nối bảng. Lệnh này đã bị xóa từ pandas 2.0 theo ghi chú phát hành của pandas, nên trên pandas 3 bạn sẽ gặp AttributeError; thay bằng pd.concat([df, df2]).
Dùng merge pandas để ghép hai bảng theo khóa thế nào?
Bảng đơn hàng có ma_sp nhưng không có giá vốn. Giá vốn nằm ở san_pham.csv. Mình ghép theo ma_sp để tính lợi nhuận gộp (doanh thu trừ giá vốn hàng bán):
m = dh.merge(sp, on="ma_sp", how="left", validate="many_to_one")
print(m.shape, [x for x in m.columns if x.startswith("danh_muc")])

Bảng ghép vẫn đúng 6.000 dòng, nhưng xuất hiện hai cột lạ danh_muc_x và danh_muc_y. Cả hai bảng đều có cột danh_muc; khi tên cột trùng mà không phải khóa ghép, pandas giữ cả hai và thêm hậu tố _x (bảng trái), _y (bảng phải). Mình bỏ cột thừa ở bảng sản phẩm trước khi ghép:
m = dh.merge(sp.drop(columns="danh_muc"), on="ma_sp", how="left", validate="many_to_one")
m["loi_nhuan_gop"] = (m["don_gia"] - m["gia_von"]) * m["so_luong"]
ht = m[m["trang_thai"] == "Hoàn tất"]
print(ht.groupby("danh_muc")[["doanh_thu", "loi_nhuan_gop"]].sum())
Cột gia_von không có ô trống nào, tức mọi mã sản phẩm trong đơn đều có trong bảng sản phẩm. Trên các đơn hoàn tất, groupby("danh_muc") gom đơn theo từng danh mục rồi cộng: Điện tử dẫn đầu với 9.119.421.000 đồng doanh thu và 3.045.522.000 đồng lợi nhuận gộp. Con số này có cả một đơn sỉ 273 sản phẩm gần 2 tỉ đồng; bài dự án Data Analyst mẫu có đoạn kiểm xem đơn đó là lỗi gõ hay đơn thật.
validate="many_to_one" nghĩa là bên trái được lặp khóa (nhiều đơn cùng một sản phẩm), bên phải thì không. Nếu bảng sản phẩm có hai dòng cùng mã, pandas dừng với MergeError thay vì lặng lẽ nhân đôi số đơn.
inner, left, right, outer khác nhau thế nào?
Tham số how quyết định dòng không khớp được giữ hay bỏ. Mình chạy cả bốn kiểu khi ghép đơn hàng với khách hàng theo ma_kh, rồi thêm indicator=True để pandas ghi rõ mỗi dòng khớp ở đâu:
for how in ["inner", "left", "right", "outer"]:
print(how, len(dh.merge(kh, on="ma_kh", how=how)))
chk = dh.merge(kh[["ma_kh", "tinh"]], on="ma_kh", how="left", indicator=True)
print(chk["_merge"].value_counts())

| Giữ dòng nào | Số dòng |
|---|---|---|
| chỉ đơn có khách trong bảng khách | 5.975 |
| mọi đơn, khách không tìm thấy thì để trống | 6.000 |
| mọi khách, khách chưa mua thì có một dòng trống phần đơn | 5.981 |
| cả hai phía | 6.006 |
Bảng đơn có 25 đơn mang mã khách không tìm thấy trong bảng khách hàng. Các đơn này thuộc 19 mã như KH1234, tổng doanh thu 97.497.000 đồng. Dữ liệu thật hay có kiểu đơn "mồ côi" này, ví dụ khách đã xóa tài khoản. Nếu dùng merge mặc định để gắn tỉnh rồi cộng doanh thu theo tỉnh, 25 đơn đó biến mất khỏi báo cáo mà không ai thấy. Ở chiều ngược lại, sáu khách chưa có đơn nào là lý do right ra 5.981 dòng.
Với báo cáo bán hàng, mình gần như luôn dùng how="left" từ bảng đơn hàng: số dòng giữ nguyên 6.000, đơn không tìm thấy khách hiện ra dưới dạng ô trống để còn xử lý.
Ghép cả ba bảng một lần
merge trả về DataFrame mới nên nối tiếp được:
full = (dh.merge(sp[["ma_sp", "ten_sp", "gia_von"]], on="ma_sp", how="left", validate="many_to_one")
.merge(kh[["ma_kh", "tinh"]], on="ma_kh", how="left", validate="many_to_one"))
Kết quả có 6.000 dòng, 16 cột, 25 ô tỉnh trống đúng bằng số đơn mồ côi. Doanh thu đơn hoàn tất cao nhất ở TP. Hồ Chí Minh (6.802.647.000 đồng), rồi Hà Nội (3.833.001.000 đồng). Chỉ lấy đúng các cột cần từ bảng phụ cũng là cách tránh hai cột danh_muc_x, danh_muc_y như khi ghép bảng sản phẩm.
join trong pandas khác merge ở đâu?
join là cách viết ngắn của merge khi bảng bên phải đã dùng khóa làm index:
kh_i = kh.set_index("ma_kh")
j = dh.join(kh_i[["tinh"]], on="ma_kh")
print(j.shape, j["tinh"].equals(chk["tinh"]))
Kết quả 6.000 dòng và cột tinh giống hệt bản chk ghép bằng merge(how="left") ở mục inner, left, right, outer, vì join mặc định là how="left". Mình thấy join tiện khi một bảng tra cứu được dùng lại nhiều lần với index đã đặt sẵn. Các trường hợp khác, mình dùng merge vì nó ghi thẳng tên cột khóa nên đọc rõ hơn.
Nếu quên on=, join ghép index với index. Lệnh dh.join(kh) báo:
ValueError: columns overlap but no suffix specified: Index(['ma_kh'], dtype='str')
Lỗi này có lợi: hai bảng đều có cột ma_kh nên pandas dừng lại. Nếu hai bảng không trùng cột nào, lệnh sẽ chạy và ghép dòng 0 của đơn với dòng 0 của khách, sai hoàn toàn mà không báo.
Lỗi mình gặp khi ghép bảng
Khóa bị trùng làm bảng phình thêm dòng
Bảng thoi_gian_giao.csv có 5.109 đơn, mỗi đơn một dòng. Mình ghép nó với bản thô don_hang_tho.csv (chưa làm sạch) để lấy trạng thái đơn:
tg = pd.read_csv(U + "thoi_gian_giao.csv")
tho = pd.read_csv(U + "don_hang_tho.csv")
x = tg.merge(tho[["ma_don", "trang_thai", "don_gia"]], on="ma_don", how="left")
print(len(tg), "->", len(x))
Kết quả là 5.270 dòng, thừa 161 dòng. File thô có 179 mã đơn xuất hiện từ hai lần trở lên, tổng cộng 359 dòng (dòng gửi trùng và bản cũ của đơn). Mỗi đơn giao hàng mang một trong các mã đó khớp với nhiều dòng bên phải nên bị nhân lên. Doanh thu cộng từ bảng này sẽ cao hơn thực tế mà không có lỗi nào hiện ra. Thêm validate="one_to_one" thì pandas dừng ngay:
MergeError: Merge keys are not unique in right dataset; not a one-to-one merge

Cách sửa là làm sạch bảng bên phải trước, giữ một dòng cho mỗi mã đơn như bài làm sạch dữ liệu với pandas hướng dẫn, rồi mới ghép. Vì vậy, với báo cáo chạy định kỳ, mình đặt validate cho mọi lệnh merge.
Khóa số ghép với khóa chuỗi
Phần mềm kho của Tiệm Mây xuất mã hàng dạng 0012, còn bảng sản phẩm dùng SP0012. Nếu đọc bao_cao_kho.csv mà không chỉ định kiểu cho cột ma_hang, pandas hiểu mã hàng là số và bỏ các số 0 ở đầu: ba mã đầu tiên đọc ra 4, 5, 8. Ghép thẳng với bảng sản phẩm thì gặp:
ValueError: You are trying to merge on int64 and str columns for key 'ma_hang'. If you wish to proceed you should use pd.concat

Mình đưa mã hàng về cùng dạng với bảng sản phẩm (str.zfill(4) thêm số 0 vào đầu cho đủ bốn chữ số) rồi mới ghép. Tham số suffixes đặt hậu tố _kho, _sp cho hai cột gia_von trùng tên thay cho _x, _y:
kho["ma_sp"] = "SP" + kho["ma_hang"].astype(str).str.zfill(4)
k = kho.merge(sp[["ma_sp", "ten_sp", "gia_von"]], on="ma_sp", how="left", suffixes=("_kho", "_sp"), indicator=True)
Cả 40 mặt hàng trong báo cáo kho đều khớp (both 40), và không dòng nào lệch giá vốn giữa hai bảng. Lời khuyên trong lỗi ("use pd.concat") không hợp với trường hợp này: concat chỉ chồng hai bảng lên nhau chứ không ghép theo mã.
merge hay map khi chỉ cần thêm một cột?
Khi chỉ cần một cột từ bảng phụ, nhiều người dùng map với một Series tra cứu (một cột có nhãn, ở đây nhãn là mã sản phẩm) thay cho merge. Mình đo cả hai cách gắn giá vốn vào đơn, lấy trung vị bảy lần chạy:
gv = sp.set_index("ma_sp")["gia_von"]
dh.merge(sp[["ma_sp", "gia_von"]], on="ma_sp", how="left")
dh["ma_sp"].map(gv)
Số dòng |
|
|
|---|---|---|
6.000 | 2,09 ms | 2,45 ms |
600.000 (nhân 100 lần) | 41,63 ms | 239,91 ms |

Kết quả ngược với điều mình nghĩ trước khi đo: trên 600.000 dòng, map chậm gần sáu lần. Với bảng vài nghìn dòng, chênh lệch dưới 1 ms nên chọn cách nào dễ đọc hơn cũng được. Mình vẫn dùng merge vì nó có validate và indicator để kiểm khóa, map thì không.
Khi nào không nên ghép bằng pandas?
Merge pandas tiện cho file vài trăm nghìn dòng, nhưng có ba trường hợp mình ghép ở chỗ khác:
Dữ liệu đã nằm trong cơ sở dữ liệu. Viết
JOINtrong SQL rồi chỉ đọc kết quả vào pandas thường nhanh hơn tải cả ba bảng về để ghép.Một bảng lớn hơn RAM máy.
mergecần cả hai bảng trong bộ nhớ và bảng kết quả còn lớn hơn.Khóa không chuẩn và cần ghép gần đúng, như tên khách gõ khác nhau.
mergechỉ ghép khi khóa giống hệt từng ký tự; việc chuẩn hóa khóa phải làm trước.
Câu hỏi thường gặp
Ghép theo nhiều cột khóa thế nào?
Đưa danh sách vào on, ví dụ a.merge(b, on=["ma_kh", "thang"]). Một dòng chỉ khớp khi mọi cột trong danh sách đều bằng nhau.
Hai bảng đặt tên cột khóa khác nhau thì sao?
Dùng left_on và right_on, ví dụ kho.merge(sp, left_on="ma_hang", right_on="ma_sp"). Hai cột khóa vẫn phải cùng kiểu dữ liệu, nếu không sẽ gặp ValueError như ở mục khóa số ghép với khóa chuỗi.
merge có đổi thứ tự dòng không?
Theo tài liệu DataFrame.merge, left và inner giữ thứ tự khóa của bảng trái, còn outer xếp khóa theo thứ tự chữ cái. Nếu báo cáo cần một thứ tự cố định, gọi sort_values sau khi ghép.
Vì sao cột vừa ghép vào toàn ô trống?
Thường là khóa hai bên trông giống nhau nhưng khác từng ký tự: chữ hoa và chữ thường, dấu cách thừa, 0012 với SP0012. Thêm indicator=True rồi đếm left_only; nếu gần như mọi dòng là left_only, hãy in vài giá trị khóa ở cả hai bảng để so.
Đọc tiếp
pandas là gì: DataFrame, Series và 10 dòng code đầu tiên trên chính bộ dữ liệu Tiệm Mây.
Làm sạch dữ liệu với pandas: bỏ dòng trùng và giữ bản mới nhất của mỗi đơn, bước nên làm trước khi ghép.
Dự án Data Analyst mẫu: ba dự án dùng các bảng đã ghép ở đây để trả lời câu hỏi kinh doanh.
Chương "Ghép và đổi hình bảng" của ebook Phân tích dữ liệu với Python đi tiếp từ chỗ bài này dừng: so merge với JOIN của SQL, đổi hình bảng bằng pivot_table và melt, kèm bài tập tự chấm trên dữ liệu Tiệm Mây.
Code chạy ngày 08/11/2026 trên máy ảo AIDev Cloud gói CPU Starter: Intel Xeon E5-2680 v4 8 vCPU, 15,6 GiB RAM, Ubuntu 24.04.4, Python 3.12.3, pandas 3.1.1, NumPy 2.5.4. Dữ liệu Tiệm Mây là dữ liệu mô phỏng của AIDev (giấy phép MIT).
Chuyên mục
Phân tích dữ liệuTham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.


