Python中匹配DataFrame默认索引与对应标识符的方法

刚好碰到过一模一样的需求，要通过Pandas的默认行索引把两个DataFrame对应起来，获取对应的标识符。这里有几个简单好用的方法，你可以根据自己的场景选：

方法1：使用pd.concat()按列合并 #

因为两个DataFrame的默认索引是完全匹配的，直接用concat指定按列合并（axis=1）就可以自动对齐索引：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'id': [1, 2, 3, 4]})
df2 = pd.DataFrame({'id_df2': [1234, 2222, 3333, 3344]})

# 按列合并，自动对齐索引
result = pd.concat([df1, df2], axis=1)
print(result)

输出结果就是你想要的：

id  id_df2
0   1    1234
1   2    2222
2   3    3333
3   4    3344

方法2：使用pd.merge()指定按索引合并 #

如果需要更明确地指定合并逻辑（比如后续可能有索引不匹配的情况），可以用merge方法，设置left_index=True和right_index=True来基于索引合并：

import pandas as pd

df1 = pd.DataFrame({'id': [1, 2, 3, 4]})
df2 = pd.DataFrame({'id_df2': [1234, 2222, 3333, 3344]})

# 基于左右DataFrame的索引合并
result = pd.merge(df1, df2, left_index=True, right_index=True)
print(result)

这个方法的输出和上面完全一致，好处是可以额外添加how参数（比如how='inner'、how='outer'）来处理索引不匹配的场景，灵活性更高。

方法3：直接赋值列（适用于索引完全匹配的场景） #

如果你能确保两个DataFrame的索引100%对应，没有缺失或错位，直接把df2的列赋值给df1也是最快捷的方式：

import pandas as pd

df1 = pd.DataFrame({'id': [1, 2, 3, 4]})
df2 = pd.DataFrame({'id_df2': [1234, 2222, 3333, 3344]})

# 直接将df2的列赋值给df1
df1['id_df2'] = df2['id_df2']
print(df1)

这种方法代码最少，执行效率也最高，但要注意如果索引不匹配的话，会出现NaN值，所以只适合你这种索引完全对齐的情况。

内容的提问来源于stack exchange，提问作者Django0602