如何合并/拼接两个不同长度的Pandas DataFrame并获取正确结果？

嗨～看你的需求是要把df2里的性别信息补充到df1里对吧？我帮你梳理下解决方法：

首先先明确下df2的列名（你给的表头是0|1|2，实际对应Username、User_trim、Gender），先给df2设置正确的列名：

import pandas as pd

# 模拟你的df2数据结构
df2 = pd.DataFrame([
    ['Maria M', 'Maria', 'female'],
    ['Achim B', 'Achim', 'male'],
    ['Gustav W', 'Gustav', 'male']
], index=[0,2,5], columns=['Username', 'User_trim', 'Gender'])

方法一：基于共同列（Username）左合并 #

这是最稳妥的方式，因为Username是两个DataFrame里唯一能精准匹配用户的标识：

# 只取df2里的Username和Gender列用来匹配，避免生成重复列
result_df = pd.merge(df1, df2[['Username', 'Gender']], on='Username', how='left')

这里用how='left'是为了保留df1里的所有行，哪怕在df2里没有匹配项（那些User_trim为N/A的用户），这些行的Gender会自动填充为NaN，如果想换成你习惯的N/A字符串，可以再加一行：

result_df['Gender'] = result_df['Gender'].fillna('N/A')

方法二：基于索引匹配（适合当前数据结构） #

因为你给的df2的索引刚好和df1中对应用户的索引完全一致（0、2、5），所以也可以直接用join按索引合并：

# 提取df2的Gender列，和df1按索引左连接
result_df = df1.join(df2['Gender'], how='left')
# 同样可以把NaN替换成N/A
result_df['Gender'] = result_df['Gender'].fillna('N/A')

最终结果 #

两种方法都会得到你期望的DataFrame：

为啥你之前可能没得到正确结果？ #

大概率是这两个原因：

• 用了默认的inner合并方式，这样只会保留两个DataFrame都有的行，直接丢掉了df1里那些没有Gender的用户
• 错误选择了匹配键，比如用User_trim的话，df1里的N/A是字符串，而df2里没有对应值，就匹配不上；而且如果有重名的User_trim（虽然你这里没有），还会导致错误匹配

内容的提问来源于stack exchange，提问作者Nika