Pandas合并列数可变且索引含重复值的DataFrame问题求助

• 当b为单个字符串类型（比如你注释里的b = 'parrot'）时，len(b)返回的是字符串的字符长度，而非你期望的列数量，会错误进入len(b)>1的分支，把字符串拆分为单个字符作为列名提取df2子集，自然会因为列不存在报错。
• 多余的分支逻辑其实没有必要，不管选几列都可以统一处理，不需要做分支判断。

首先统一把b转换成列表类型，保证不管输入是单个列名字符串还是多个列名的元组/列表，都能正确提取df2的子集，代码可以简化为：

import pandas as pd

df1 = pd.DataFrame(data={'cat':[0,2,1], 'dog':[1,2,3]}).set_index([pd.Index([2, 2, 4])])
df2 = pd.DataFrame(data={'mouse':[1,2,3],'parrot':[0,1,2],'elephant':[0,1,2]}).set_index([pd.Index([1, 2, 4])])

# 不管b是单个字符串还是多个列名的元组/列表，先统一转成列表
# 单个列名的情况示例：b = 'parrot'
b = ('parrot', 'mouse')

# 统一处理，不需要分支判断
cols = [b] if isinstance(b, str) else list(b)
out = df1.merge(df2[cols], left_index=True, right_index=True)

运行后输出的out会保留所有重复索引，符合你的需求：

cat  dog  parrot  mouse
2    0    1       1      2
2    2    2       1      2
4    1    3       2      3

补充说明：你提到的“索引有重复不能用pd.concat”其实是误解，如果需求只是按索引对齐合并保留重复索引，pd.concat([df1, df2[cols]], axis=1, join='inner')也能得到完全一样的结果，不会去重索引，你可以按需选择。

内容的提问来源于stack exchange，提问作者siash