为何Pandas .join()指定列名无效？需用索引关联

这是因为.join()的设计逻辑就是默认以右侧DataFrame的索引作为关联键，on参数的作用并不是让两边用同名列直接关联，而是指定左侧DataFrame中用来匹配右侧索引的列——文档里说的“可接受索引或列名”，指的是左侧的索引或列名，本质还是围绕右侧索引来做匹配。

你的错误代码原因分析 #

当你执行df1.join(df2, on='name')时：

• 右侧的df2用的是默认的整数索引（类型为int64）
• 你指定左侧用name列（类型为object）去匹配右侧的整数索引，类型不匹配，自然触发ValueError

正确代码的逻辑 #

df2.set_index('name')把df2的索引换成了name列的字符串值，此时：

• 右侧索引类型和左侧name列类型一致
• on='name'指定用df1的name列去匹配df2的name索引，关联逻辑成立，所以能正常运行

补充：和merge的区别 #

如果想像关系数据库那样直接用同名列做关联，pd.merge()更直观，比如：

newdf = pd.merge(df1, df2, on='name')

而.join()本质是merge的简化封装，专门针对以索引为关联键的场景，on参数只是允许左侧不用自身索引，改用指定列来匹配右侧的索引。

内容的提问来源于stack exchange，提问作者eschares