Uma junção emparelha cada linha correspondente da esquerda com cada linha correspondente da direita. Se uma chave aparece uma vez à direita, cada linha da esquerda recebe uma correspondência. Se ela aparece três vezes, cada linha da esquerda é copiada três vezes. É assim que uma tabela de vendas com 120 pedidos passa a ter 300 linhas depois de uma junção, e é por isso que os totais dobram de repente.
Hábitos que evitam esse problema:
- Conte as linhas antes e depois de cada junção:
len(df) e len(merged).
- Verifique se a chave é única no lado em que você espera que seja:
other["key"].duplicated().any().
- Torne a chave única primeiro: mantenha a última linha de cada chave (
sort_values e depois drop_duplicates(keep="last")), ou agregue os dados para ter uma linha por chave.
- Junte por todas as colunas que identificam uma linha: as metas são por região e mês, então juntar apenas por região copia cada pedido seis vezes.
A junção retorna muito mais linhas do que há pedidos: price_history tem várias linhas por produto.