如何处理含非唯一多重索引的拼接DataFrame？

没问题，我来帮你搞定这个非唯一多重索引的DataFrame拼接需求。你提供的代码已经能正常运行，我来给你拆解下逻辑，让你更清楚背后的操作：

首先是可直接运行的完整代码：

import pandas as pd

# 创建第一个DataFrame
raw_data = { 'type_1': [1, 1], 'id_1': ['2', '3'], 'name_1': ['Alex', 'Amy']}
df_a = pd.DataFrame(raw_data, columns = ['type_1', 'id_1', 'name_1'])

# 创建第二个DataFrame
raw_datab = { 'type_2': [1, 1], 'id_2': ['4', '5'], 'name_2': ['Billy', 'Brian']}
df_b = pd.DataFrame(raw_datab, columns = ['type_2', 'id_2', 'name_2'])

# 为两个DataFrame设置多重索引，并放入列表
dfs = [df_a.set_index(['type_1','id_1']), df_b.set_index(['type_2','id_2'])]

# 按列拼接两个带索引的DataFrame
df = pd.concat(dfs, axis=1)
print(df)

代码逻辑说明： #

• 第一步分别构建了两个独立的DataFrame df_a 和 df_b，各自包含类型、ID和名称三类字段；
• 然后对两个DataFrame设置多重索引：df_a以type_1和id_1作为索引，df_b以type_2和id_2作为索引，这一步是核心——让后续拼接能基于这些索引键来对齐数据；
• 最后用pd.concat()指定axis=1（按列拼接），将两个DataFrame的列合并，索引不匹配的位置会自动填充NaN。

运行输出示例： #

执行代码后，你会得到如下完整格式的输出：

name_1 name_2
1 2        Amy    NaN
   3        Alex   NaN
   4        NaN    Billy
   5        NaN    Brian

因为两个DataFrame的索引组合（type+id）没有重叠，所以各自的名称字段只会在对应索引行有值，其余位置显示缺失值，这完全符合多重索引下的拼接预期。

内容的提问来源于stack exchange，提问作者ps0604