如何用Pandas合并行列数均不同且有公共索引列的DataFrame

构造测试数据 #

import pandas as pd

df1 = pd.DataFrame({'A': [1,2,4], 'B': [0,3,5], 'C': [0,4,6]}, index=['a','b','c'])
df2 = pd.DataFrame({'A': [1,2,1,1], 'C': [0,4,4,2], 'D': [2,2,5,3], 'E': [3,4,6,4]}, index=['a','b','d','e'])

解决方案 #

使用pd.merge实现全外连接，指定按索引匹配，同时处理重复列：

# 按索引全外连接，重复列自动加后缀
merged = pd.merge(df1, df2, how='outer', left_index=True, right_index=True)
# 合并重复的A、C列（取非空值，示例中相同索引值一致，直接合并）
merged['A'] = merged['A_x'].fillna(merged['A_y'])
merged['C'] = merged['C_x'].fillna(merged['C_y'])
# 删除冗余列，调整列顺序
final = merged.drop(columns=['A_x','A_y','C_x','C_y'])[['A','B','C','D','E']]

输出结果：

A    B  C    D    E
a  1.0  0.0  0  2.0  3.0
b  2.0  3.0  4  2.0  4.0
c  4.0  5.0  6  NaN  NaN
d  1.0  NaN  4  5.0  6.0
e  1.0  NaN  2  3.0  4.0

失败原因分析 #

• join：默认左连接，仅保留左表行，需手动指定how='outer'且处理重复列；
• merge：默认按列名匹配（非索引）+内连接，仅保留共同行，需显式开启索引匹配和外连接；
• concat(axis=1)：按索引列合并，但重复列会保留两份，需额外合并逻辑。

内容的提问来源于stack exchange，提问作者Chang Woon Jang