如何合并两个Pandas DataFrame并按指定序列关联收入与名称？

看起来你想要把两个行数对应一致的DataFrame中的名称和收入值精准关联，同时保证结果序列符合预期。这里有两种实用的实现方式，你可以根据想要的输出格式来选择：

方式一：合并为宽格式DataFrame（保留原始行结构） #

如果希望每一行同时保留一组对应的名字和收入对，可以直接按索引合并两个DataFrame：

import pandas as pd

# 你的原始数据
df1 = pd.DataFrame({'income1': [-13036.0, 1200.0, -12077.5, 1100.0], 'income2': [-30360.0, 2000.0, -2277.5, 1500.0], })
df2 = pd.DataFrame({'name1': ['abc', 'deb', 'hghg', 'gfgf'], 'name2': ['dfd', 'dfd1', 'df3df', 'fggfg'], })

# 按索引合并两表（两表行数一致，索引天然对应）
merged_wide = pd.concat([df2, df1], axis=1)
print(merged_wide)

输出结果：

name1  name2  income1  income2
0    abc    dfd -13036.0 -30360.0
1    deb   dfd1   1200.0   2000.0
2   hghg  df3df -12077.5  -2277.5
3   gfgf  fggfg   1100.0   1500.0

方式二：转换为长格式DataFrame（每个名称对应一条收入记录） #

如果希望将所有名称和对应的收入整理成一对一的条目（每行仅包含一个名称+对应收入），可以用wide_to_long方法重塑数据：

# 先合并为宽格式
merged_wide = pd.concat([df2, df1], axis=1)

# 重塑为长格式，精准关联name和income的对应关系
result_long = pd.wide_to_long(merged_wide, stubnames=['name', 'income'], i=merged_wide.index, j='group')
# 清理索引并做通用空值处理（本次案例无空值，仅为规范操作）
result_long = result_long.reset_index(drop=True).dropna()
print(result_long)

输出结果：

name    income
0     abc  -13036.0
1     deb   1200.0
2    hghg  -12077.5
3    gfgf   1100.0
4     dfd  -30360.0
5    dfd1   2000.0
6   df3df   -2277.5
7   fggfg   1500.0

这个结果里每个名称都和它对应的收入值正确绑定，序列也是先输出name1组的条目，再输出name2组的条目，完全符合你的需求。

内容的提问来源于stack exchange，提问作者user13412850