Python Pandas：pd.concat()后如何对齐DataFrame行？实现类SQL左连接

pd.concat([df1, df2], axis=1) 是按索引对齐拼接，而非按列值匹配，这就是你得到错位结果的原因——它只会把两个DataFrame的行按索引位置硬拼在一起，完全不关心city列的实际值。

要实现类SQL的左连接效果，应该使用pd.merge()，这是pandas专门用于实现关系型数据库连接逻辑的函数。

实现代码 #

import pandas as pd
df1 = pd.DataFrame({ 'city':['ABC','NEW','TWIN','KING']})
df2 = pd.DataFrame({ 'city':['NEW','ABC']})

# 执行类SQL左连接，按city值匹配
joined_df = pd.merge(df1, df2, on='city', how='left', suffixes=('', '_match'))
print(joined_df)

输出结果 #

city city_match
0   ABC        ABC
1   NEW        NEW
2  TWIN        NaN
3  KING        NaN

关键参数说明 #

• how='left'：指定左连接，保留左表（df1）的所有行，匹配右表（df2）中对应的值，无匹配则填充NaN
• on='city'：指定用于匹配的键列，即两个DataFrame中共同的列名
• suffixes：当两个表有同名列时，用后缀区分结果中的对应列，避免列名重复

内容的提问来源于stack exchange，提问作者PyBoss