Python Pandas：基于值匹配的异名列合并两个DataFrame

没问题，这种不同列名但值完全匹配的合并需求，用Pandas的merge()方法就能完美解决，正好契合你的场景。

核心实现代码 #

直接通过指定左右表的关联列，就能把两个DataFrame合并成你想要的结构：

import pandas as pd

# 初始化df1
data={"col1":["A","B","D","f"], "col2":[4,2,4,6], "col3":[7,6,9,11], "col4":[14,11,22,8], "multi":[1.4,2.5,1.6,2.2]}
df1=pd.DataFrame.from_dict(data)

# 初始化df2
data2={"col5":["A","B","D","f"], "col6":[345,55,44,16], "col7":[4,7,4,6], "col8":[1,5,3,9], "multi_2":[2,2,4,9]}
df2=pd.DataFrame.from_dict(data2)

# 执行合并：用col1和col5作为关联键
df3 = pd.merge(df1, df2, left_on='col1', right_on='col5', how='inner')

# （可选）如果不需要保留col5列，可以添加这行
# df3 = df3.drop('col5', axis=1)

print(df3)

参数说明 #

• left_on='col1'：指定左表（df1）的关联列
• right_on='col5'：指定右表（df2）的关联列
• how='inner'：因为你提到两列值完全匹配，内连接会保留所有匹配的行，正好符合你的需求

运行后得到的df3就和你给出的示例结构完全一致，包含两个表的所有列（如果保留col5的话会多这一列，你可以根据需求选择是否删除）。

内容的提问来源于stack exchange，提问作者matan