使用Inner Join查找两个Excel文件共同值时返回空DataFrame问题排查

一、Inner Join返回空DataFrame的原因 #

• 两表Proteins列数据不匹配：
  这是最常见的核心原因，比如存在大小写差异（如"EGFR" vs "egfr"）、首尾空格（如" EGFR" vs "EGFR"）、不可见字符（如换行符、制表符），或者数据类型不一致（一列是字符串、一列是数值格式），导致没有可匹配的共同值。
• 合并Protein1和Protein2列的方式错误：
  如果合并时是横向拼接字符串（如df['Proteins'] = df['Protein1'] + df['Protein2']），而非将两列的内容纵向堆叠成一列的行，会导致cols.xlsx里的Proteins列是两个蛋白名的拼接字符串，自然和receptors.xlsx里的单个蛋白名没有交集。正确的合并方式应该是：

  import pandas as pd
  df_ko = pd.read_excel('adipose-knockout.xlsx')
  # 纵向合并两列并去重
  proteins_combined = pd.concat([df_ko['Protein1'], df_ko['Protein2']]).drop_duplicates().reset_index(drop=True)
  # 转为DataFrame保存（避免自动生成索引列）
  pd.DataFrame({'Proteins': proteins_combined}).to_excel('cols.xlsx', index=False)
  

• 保存/读取cols.xlsx时引入干扰：
  若保存时未指定index=False，会自动把行索引存为Excel的第一列，读取时如果未处理，可能误把索引列当成数据列，导致连接时用错匹配列。

二、删除索引列未成功的原因 #

• 混淆了行索引与数据列：
  如果你保存cols.xlsx时默认带行索引（未加index=False），读取后这个索引会变成名为Unnamed: 0的普通列。此时用df.drop(index=True)无效，因为这是删除行索引而非列；正确操作是删除该额外列：

  df_cols = pd.read_excel('cols.xlsx')
  df_cols = df_cols.drop('Unnamed: 0', axis=1)
  

  或者读取时直接跳过索引列：

  df_cols = pd.read_excel('cols.xlsx', index_col=False)
  

• 删除操作参数错误：
  如果尝试删除行索引但用错方法，比如用df.drop()而非df.reset_index(drop=True)，也会导致索引无法移除。reset_index(drop=True)会直接丢弃原行索引，而非将其转为普通列。

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