Pandas合并DataFrame：筛选列并保留共索引行的实现方法

嘿，这个需求在Pandas里其实很好实现，我给你两种常用的方案，还有关键细节要注意：

我们需要同时完成三个动作：

• 按索引合并两个DataFrame
• 只保留双方索引都存在的行（也就是内连接）
• 剔除不需要的列（最好提前筛选，比合并后删除更高效）

方案一：用pd.merge()（灵活可控，适合精准指定列） #

pd.merge()是Pandas里最通用的合并工具，通过指定索引作为连接键，再配合内连接参数，就能轻松搞定。而且我们可以提前只取出需要的列，避免后续删列的麻烦：

import pandas as pd

# 先模拟两个示例DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['x', 'y', 'z'])
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]}, index=['y', 'z', 'w'])

# 合并操作：按索引内连接，只保留需要的列
# 比如我们要保留df1的A列，df2的C列
merged_df = pd.merge(
    df1[['A']],  # 只提取df1中需要的列
    df2[['C']],  # 只提取df2中需要的列
    left_index=True,  # 左表用索引作为连接键
    right_index=True, # 右表用索引作为连接键
    how='inner'       # 内连接：只保留双方都有的索引行
)

print(merged_df)
# 输出结果：
#    A  C
# y  2  7
# z  3  8

如果合并后才发现有多余列，也可以用drop()快速删除：

# 比如删除合并后不需要的B、D列
merged_df = merged_df.drop(columns=['B', 'D'])

方案二：用DataFrame.join()（简洁高效，专为索引合并设计） #

join()是Pandas专门为按索引合并设计的方法，语法更简洁，默认按索引连接，只要把how参数设为inner就能保留共同索引的行：

# 同样只保留需要的列，内连接合并
merged_df = df1[['A']].join(df2[['C']], how='inner')

关键注意点 #

• 一定要设置how='inner'：如果用默认的how='left'，会保留左表所有索引行，右表没有的会填充NaN，这不符合我们要“仅保留双方都存在的行”的需求
• 提前筛选列更高效：尤其是处理大数据集时，提前只取出需要的列，能减少内存占用和合并时间

内容的提问来源于stack exchange，提问作者cosmonaut