Pandas基于公共列值关联DataFrame：将B表Location列合并到A的实现方法

pd.join()的底层默认基于索引对齐完成两表关联。由于你当前两个表的关联列名称不同（A表为Mobile_number、B表为Cell_number），无法直接通过同名列名传参匹配，需要先把关联列设置为各自的索引再做关联，全程不会引入多余字段。

完整可运行代码 #

import pandas as pd

# 初始化示例DataFrame
a = {'Name': ['Jake', 'Paul', 'Logan', 'King'], 
     'Age': [33,43,22,45], 
     'Mobile_number':[332,554,234, 832]}
A = pd.DataFrame(a)

b = {'Cell_number': [832,554,123,333], 
     'Blood_group': ['O', 'A', 'AB', 'AB'], 
     'Location': ['TX', 'AZ', 'MO', 'MN']}
B = pd.DataFrame(b)

# join关联核心逻辑
result = A.set_index('Mobile_number').join(
    B.set_index('Cell_number')[['Location']],  # 仅选取需要的Location列，避免冗余字段
    how='left'  # 左连接，保留A表全部原有行
).reset_index()  # 将临时索引列恢复为普通列

结果说明 #

执行代码后得到的最终DataFrame，完全覆盖你要求的Name、Age、Mobile_number、Location四列，具体值如下：

关键避坑提醒 #

直接写A.join(B, on='Mobile_number')会触发KeyError报错，因为join的on参数仅能匹配两表名称完全相同的列，当两个表关联列名称不一致时，必须通过设置索引的方式完成对齐匹配。
选择左连接how='left'的策略，既不会丢失A表的原有记录，也不会把B表中无匹配的行（比如手机号123、333对应的Location值）拉入结果，完全匹配你的关联需求。

内容的提问来源于stack exchange，提问作者Arcanesaw