如何合并不同索引的两个Pandas DataFrame列？

你需要将两个索引不匹配的DataFrame按列并排整合，示例数据如下：

DF1（索引为19、20）：

A      B
19   Apple  Fruit
20  Banana  Fruit

DF2（索引为321、322）：

C  D
321  X  2
322  Y  1

预期输出：

A      B  C  D
0   Apple  Fruit  X  2
1  Banana  Fruit  Y  1

你之前尝试的pd.concat([DF1,DF2],axis=1,ignore_index=True)无效，原因是ignore_index=True仅重置列索引，行仍按原索引对齐，导致数据错位出现NaN。

方法1：重置索引后用concat合并 #

先对两个DataFrame调用reset_index(drop=True)重置行索引为默认的连续整数，再执行列方向合并：

import pandas as pd

# 模拟索引不匹配的DataFrame
DF1 = pd.DataFrame({'A': ['Apple', 'Banana'], 'B': ['Fruit', 'Fruit']}, index=[19, 20])
DF2 = pd.DataFrame({'C': ['X', 'Y'], 'D': [2, 1]}, index=[321, 322])

# 重置索引并合并
DF3 = pd.concat([DF1.reset_index(drop=True), DF2.reset_index(drop=True)], axis=1)
print(DF3)

方法2：用join方法合并（同样需重置索引） #

join方法默认按列合并，配合索引重置也能实现需求：

DF3 = DF1.reset_index(drop=True).join(DF2.reset_index(drop=True))

关键原理 #

当两个DataFrame索引不重叠时，直接按列合并会触发索引对齐逻辑，导致非共同索引的位置填充NaN。重置索引后，两者行索引统一为0、1...，合并时就能按行序一一对应。

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