Pandas：忽略索引按原行序合并两个DataFrame列的实现方法

太懂这种索引没用但行序不能乱的场景了！你之前用pd.concat(axis=1)踩坑很正常——它默认是按索引对齐的，哪怕加了ignore_index=True也只是重命名列，根本不会改变对齐逻辑，所以才会出现一堆NaN。

给你两个最实用的解决方案，都能严格保留原行序：

方法一：直接用列的底层值赋值（最简洁） #

绕过索引约束，直接提取两个df列的底层数组来对应赋值，这是最快的方式：

# 直接给df1新增列，用df2的列值填充
df1["Second"] = df2["c"].values

# 如果需要生成全新的DataFrame（不修改原df），可以这么写
import pandas as pd
desired_output = pd.DataFrame({
    "First": df1["First"].values,
    "Second": df2["c"].values,
    "AnythingAtAll": [
        "# <--- 行名称无意义，我完全不关心",
        "# <--- 但必须严格保留行的顺序"
    ]
})

执行后就能得到你想要的结果：

>>> df1
     First  Second
a       1       2
b       3       4

或者全新的DataFrame：

>>> desired_output
     First  Second  AnythingAtAll
0        1       2  # <--- 行名称无意义，我完全不关心
1        3       4  # <--- 但必须严格保留行的顺序

这里的核心是.values（或者更推荐用.to_numpy()，功能一致）会直接返回列的原始数组，完全脱离原索引，赋值时严格按行的位置一一对应。

方法二：重置索引后concat（更直观） #

如果觉得直接操作数组不够直观，可以先给两个df都重置索引，再合并：

# 重置索引并丢弃原索引
df1_reset = df1.reset_index(drop=True)
df2_reset = df2.reset_index(drop=True)

# 按列合并，此时行序完全对应
merged_df = pd.concat([df1_reset, df2_reset], axis=1)

# 按需重命名列
merged_df.columns = ["First", "Second", "AnythingAtAll"]

这个方法的逻辑更清晰，但比方法一多了两步重置索引的操作，适合需要保留原df的场景。

内容的提问来源于stack exchange，提问作者Jabber1