合并索引与列名不同的DataFrame：按索引匹配A2关联B2列

我来帮你搞定这个合并的问题！你遇到的核心问题是df2的A2列存在重复值（比如"A"对应了两行数据），直接用merge/join会导致结果出现重复行，而你需要的是每个索引对应唯一的B2值。

解决步骤： #

1. 先清理df2：因为同一A2对应的B2值完全相同（比如所有"A"都对应"AA"），所以我们可以先去除A2列的重复条目，只保留每个A2对应的唯一行。
2. 再将清理后的df2和df进行合并，用df的索引匹配df2的A2列。

完整代码示例： #

import pandas as pd

# 原始数据
d = {'A': [1, 1, 0, 1, 0, 1, 0], 'B': [0, 0, 0, 0, 0, 1, 1] }
df = pd.DataFrame(data=d, index=["A", "B", "C", "D", "E", "F", "G"])

d2 = {'A2': ["D", "A", "A", "B", "C", "C", "E", "X", "F", "G"], 'B2': ["DD", "AA", "AA", "BB", "CC", "CC", "EE", "XX", "FF", "GG"], 'C3': [1, 1, 11, 35, 53, 2, 76, 45, 5, 34]}
df2 = pd.DataFrame(data=d2)

# 步骤1：清理df2，去除A2的重复值（同一A2的B2值一致，保留任意一行即可）
df2_clean = df2.drop_duplicates(subset='A2', keep='first')

# 步骤2：合并数据 - 方法一：用join（更简洁）
df2_clean.set_index('A2', inplace=True)
df_result = df.join(df2_clean['B2'], how='left')

# 或者用merge的方式：
# df_result = df.reset_index().merge(df2_clean, left_on='index', right_on='A2', how='left')
# df_result = df_result.drop(columns=['index', 'A2', 'C3']).set_index(df.index)

print(df_result)

输出结果： #

A  B  B2
A  1  0  AA
B  1  0  BB
C  0  0  CC
D  1  0  DD
E  0  0  EE
F  1  1  FF
G  0  1  GG

为什么之前的方法不行？ #

因为df2中A2列有重复的索引值，直接merge/join会把所有匹配的行都关联进来，导致你的df出现重复行（比如原来的行"A"会变成两行）。先对df2去重，就能保证每个索引只匹配到唯一的B2值。

内容的提问来源于stack exchange，提问作者d4rty