如何基于多重索引与指定列合并Pandas DataFrame？

核心思路 #

要实现同时匹配多重索引（Group、Material）和SR列的左连接，保留dfA所有行并将无匹配项填充为np.nan，关键是把多重索引的层级和共享列一起作为合并键。

实现方法 #

方法1：兼容所有pandas版本的通用写法 #

先将多重索引重置为普通列，完成合并后再恢复索引：

import pandas as pd
import numpy as np

# 重置索引为列
dfA_reset = dfA.reset_index()
dfB_reset = dfB.reset_index()

# 基于Group、Material、SR三个字段左连接
merged = pd.merge(dfA_reset, dfB_reset, on=['Group', 'Material', 'SR'], how='left')

# 恢复原多重索引
result = merged.set_index(['Group', 'Material'])

print(result)

输出结果：

SR  ValA  ValB
Group Material                
G1    M1         3     1   2.0
      M1         5     2   4.0
      M1        10     1   NaN
      M2         3     4   5.0
G2    M3         5     5   6.0
      M3        15     6   NaN

方法2：pandas 1.5+ 简化写法 #

如果你的pandas版本在1.5及以上，可以直接指定索引作为合并键，无需重置：

# 直接用索引+SR列做左连接
merged = pd.merge(dfA, dfB, left_index=True, right_index=True, on='SR', how='left')

# 清理重复的SR列（合并后会生成SR_x和SR_y，保留原dfA的SR）
result = merged.rename(columns={'SR_x': 'SR'}).drop(columns='SR_y')

关键说明 #

• 必须将Group、Material（多重索引层级）和SR列共同作为合并键，才能实现精准匹配。
• 左连接（how='left'）是保留dfA所有行的核心，无匹配项会自动填充np.nan。

内容的提问来源于stack exchange，提问作者R Walser