Pandas合并无列名DataFrame：基于列与索引匹配并保留原索引

没问题，我来帮你搞定这个Pandas合并的需求！先把咱们的场景用代码还原出来，方便对照操作：

首先构造示例数据（和你描述的结构完全一致）：

import pandas as pd

# DF1：原始索引为A/B/C/D，仅含一列无名称的列，值为Z/Y/X/U
df1 = pd.DataFrame([['Z'], ['Y'], ['X'], ['U']], index=['A', 'B', 'C', 'D'])

# DF2：索引为Z/Y/X/U，仅含一列无名称的列，对应数值为2000/2300/1800/2100
df2 = pd.DataFrame([[2000], [2300], [1800], [2100]], index=['Z', 'Y', 'X', 'U'])

接下来给你两种实用的解决方案，都能满足「匹配DF1列与DF2索引、保留DF1原始索引」的要求：

方法1：用map快速匹配（最简洁） #

因为DF2的索引正好是我们要匹配的键，直接用map就能把DF1的列值对应到DF2的数值，一步到位保留原始索引：

# 给DF1新增一列，存储匹配到的DF2数值
df1['匹配值'] = df1[0].map(df2[0])
# 如果不需要保留原无名列的名称，也可以直接覆盖或者调整列名
print(df1)

输出结果会是：

0  匹配值
A  Z  2000
B  Y  2300
C  X  1800
D  U  2100

这个方法的优势是代码极简、效率高，完全贴合你说的「索引与列完全一致」的场景，不需要额外处理索引或列名。

方法2：用merge灵活合并（适合复杂场景） #

如果后续你需要调整连接方式（比如左连接、右连接）或者扩展匹配逻辑，可以用merge来实现，核心是先把DF2的索引转成列，再和DF1匹配：

# 把DF2的索引转为普通列，并重命名和DF1的无名列一致，方便匹配
df2_processed = df2.reset_index().rename(columns={'index': 0, 0: '匹配值'})

# 按无名列（0）做左连接，保证DF1的所有行都保留，最后重置回DF1的原始索引
result = df1.merge(df2_processed, on=0, how='left').set_index(df1.index)
print(result)

输出结果和方法1完全一致，但这种方式更灵活，比如如果DF2有部分匹配不上的情况，how='left'会自动填充NaN，适合更复杂的业务场景。

内容的提问来源于stack exchange，提问作者ZakS