如何基于B列值横向合并同列名的Pandas DataFrame并保留原列名？

首先明确：pd.concat不支持指定某一列作为合并依据——它的核心是按索引对齐或直接堆叠（横向/纵向），无法基于特定列的值进行匹配合并。要实现你要的效果，有两种更直接的方法：

方法1：用pd.merge配合列重命名，保留原列名 #

merge默认会给重复列名加_x/_y后缀，但你可以合并后手动去掉后缀，保留原列名（Pandas允许重复列名）：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'A': [1,2,3], 'B': ['x','y','z'], 'C': [4,5,6], 'D': [7,8,9]})
df2 = pd.DataFrame({'A': [10,20,30], 'B': ['y','z','x'], 'C': [40,50,60], 'D': [70,80,90]})

# 基于B列合并，用临时后缀区分重复列
merged = pd.merge(df1, df2, on='B', suffixes=('_tmp1', '_tmp2'))
# 重命名列，去掉临时后缀，恢复原列名（允许重复）
merged.columns = ['A', 'B', 'C', 'D', 'A', 'C', 'D']

方法2：用join（先将B列设为索引） #

join是按索引合并的方法，先把两个DataFrame的B列设为索引，合并后再重置索引即可保留原列名：

# 将B列设为索引
df1_idx = df1.set_index('B')
df2_idx = df2.set_index('B')

# 按索引合并（即基于B列的值匹配），支持inner/outer/left/right四种连接方式
joined = df1_idx.join(df2_idx, how='inner')
# 重置索引，把B列放回普通列
joined = joined.reset_index()
# 调整列顺序，还原成你要的A、B、C、D重复结构
joined = joined[['A', 'B', 'C', 'D', 'A', 'C', 'D']]

注意事项 #

• Pandas允许重复列名，但访问这类列时，df['A']会返回所有名为A的列；如果要单独访问某一个，需要用位置索引（比如df.iloc[:, 0]取第一个A列）。
• 如果你的B列存在重复值，两种方法都会自动处理一对多/多对多的匹配，和merge的逻辑一致。

内容的提问来源于stack exchange，提问作者user20505088