如何无需将索引移至列实现索引上的数据库式右连接？

我需要基于索引对df1和df2执行右连接生成df3，目前能用这段代码实现，但想避免把索引转成列的操作，试了merge、join、concat都没得到目标结果：

df3 = df1.reset_index().merge(df2.reset_index(), how='right', on=df2.index.names).set_index(df1.index.names)

数据示例 #

df1（多级索引）：

data1
id1 id2       
1   1        1
2   2        2

df2（单级索引）：

data2
id2       
1        1
2        2
3        3

目标结果df3 #

data1  data2
id1 id2              
1.0 1      1.0      1
2.0 2      2.0      2
NaN 3      NaN      3

解决方案 #

因为df1是多级索引（id1, id2），df2是单级索引（id2），直接用merge匹配全索引会因层级数量不匹配报错。可以用以下两种方式实现：

方法1：临时转换单个索引层级（简洁易读）

只把df1的id1索引临时转成列，保留id2作为索引执行连接，之后再恢复索引结构：

df3 = (df1.reset_index(level='id1')
         .merge(df2, how='right', left_index=True, right_index=True)
         .set_index('id1', append=True)
         .reorder_levels(['id1', 'id2']))

方法2：完全不转索引（略繁琐）

通过left_on指定df1的id2索引层级来匹配df2的索引，之后手动重构多级索引：

import pandas as pd

merged = df1.merge(df2, how='right', left_on=df1.index.get_level_values('id2'), right_index=True)
# 为新增的id2=3行补充NaN的id1值
id1_vals = df1.index.get_level_values('id1').append(pd.Series([pd.NA]))
df3 = merged.set_index([id1_vals, 'id2']).reorder_levels(['id1', 'id2'])

两种方法都能得到目标df3，方法1更推荐，因为代码简洁且仅临时转换了单个索引层级，符合你不想把索引全转成列的需求。

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