保留df索引，将df2的SMA列匹配合并至df的方法

你之前用inner连接导致数据丢失，是因为该连接仅保留两个DataFrame索引的交集。要满足保留df所有索引、匹配填充SMA、不匹配填NaN的需求，推荐以下几种方案：

方案1：使用pd.merge左连接 #

将连接方式改为how='left'，以df的索引为基准保留所有行：

merged_df = pd.merge(df, df2, left_index=True, right_index=True, how='left')

• 逻辑：左连接会完整保留左侧df的所有索引行，右侧df2中索引匹配的位置填充SMA值，无匹配的位置自动填充NaN。

方案2：使用DataFrame.join（更简洁） #

join方法默认以左连接方式按索引合并，代码更简洁：

merged_df = df.join(df2)

• 该方法等价于方案1的左连接逻辑，无需额外指定参数，适合按索引合并的场景。

方案3：手动重新索引后添加列 #

如果需要更明确的控制逻辑，可以先将df2的SMA列按df的索引重新对齐，再添加到df中：

merged_df = df.assign(SMA=df2['SMA'].reindex(df.index))

• 逻辑：reindex(df.index)会将df2的SMA列按照df的索引重新排列，不存在的索引位置自动填充NaN，再通过assign添加为新列。

内容的提问来源于stack exchange，提问作者David