如何在Pandas中正确按指定列实现DataFrame连接？

错误原因 #

你用df2.join(df1, on='letter')时踩了两个关键问题：

1. join方法的on参数逻辑是用调用方（df2）的指定列匹配被调用方（df1）的索引，不是让两个表的同名列直接做连接，完全不符合你想按letter列连接的需求。
2. 两个表的letter列数据类型不一致（一个是object，一个是int64），就算逻辑正确也会触发类型不匹配的报错。

正确解决方案 #

用pd.merge()方法，它专门用于按指定列做连接，不需要依赖索引，完美匹配你的需求：

步骤1：统一列数据类型（可选但推荐）

先把两个表的letter列转成相同类型（比如字符串），彻底避免类型冲突：

import pandas as pd

df1 = pd.read_excel(PATH + r"\foo.xlsx")
df2 = pd.read_excel(PATH + r"\bar.xlsx")

# 统一转成字符串类型
df1['letter'] = df1['letter'].astype(str)
df2['letter'] = df2['letter'].astype(str)

步骤2：用merge按指定列做外连接

df3 = pd.merge(df2, df1, on='letter', how='outer')

验证结果 #

执行后得到的结果和你期望的逻辑一致（空值会以NaN显示，对应你期望结果里的空白）：

letter   bar   foo
0       A  XXXX  AAAA
1       A  XXXX  AAAA
2       A  XXXX  AAAA
3       A  XXXX  AAAA
4       A  XXXX  AAAA
5       A  XXXX  AAAA
6       A  XXXX  AAAA
7       A  XXXX  AAAA
8       B  YYYY  BBBB
9       B  YYYY  CCCC
10      B  YYYY  DDDD
11      B  YYYY  DDDD
12      B  ZZZZ  BBBB
13      B  ZZZZ  CCCC
14      B  ZZZZ  DDDD
15      B  ZZZZ  DDDD
16      C   NaN  EEEE

内容的提问来源于stack exchange，提问作者Fernando Trujillo