如何合并多层索引与普通索引的Pandas DataFrame？

问题根源 #

你的bd_df是多层索引结构，name属于索引层级而非普通列；而bt_df的name是普通列。直接重命名轴并未将bd_df的name从索引转为列，导致合并时键的位置/类型不匹配，最终出现数据不匹配、字段为NaN、回合数缺失的问题。

解决方案步骤 #

1. 提取多层索引中的name和round为列 #

先将bd_df的索引层级转为普通列，这样才能和bt_df的name列匹配：

# 假设bd_df的多层索引层级为['name', 'round']，根据实际情况调整
bd_df = bd_df.reset_index(['name', 'round'])

2. 统一匹配键的格式（关键） #

检查两个DataFrame的name列是否存在格式差异（比如空格、大小写、拼写错误），统一格式避免匹配失败：

# 去除首尾空格、转为小写（根据实际数据调整规则）
bd_df['name'] = bd_df['name'].str.strip().str.lower()
bt_df['name'] = bt_df['name'].str.strip().str.lower()

3. 执行合并操作 #

指定on='name'作为匹配键，根据需求选择合并方式（how参数）：

# 示例：左合并，保留bd_df的所有数据，匹配bt_df的对应数据
merged_df = pd.merge(bd_df, bt_df, on='name', how='left')

验证结果 #

合并后检查merged_df的NaN情况，如果还有异常，进一步排查：

• 确认两个DataFrame中name的唯一值是否有交集
• 检查round列是否在reset_index后正常转为列

内容的提问来源于stack exchange，提问作者Spirula