合并两个DataFrame时列A出现大量NaN，求正确实现方案

嘿，我明白你遇到的困扰了！你用pd.concat([df2,df1], axis=1)合并时出现大量NaN，是因为默认的外连接（outer join）会保留两个DataFrame的所有索引——df2里的索引1、3在df1中没有对应的数据，所以A列这些位置就显示NaN。而你想要的是只保留两个DataFrame索引重叠的部分，并且让对应的值正确对齐，下面给你几种简单的解决方法：

方法1：给concat指定join='inner' #

直接在concat里添加join='inner'参数，这样只会保留两个DataFrame共有的索引（也就是2、4、5、6），对应的数据会自动对齐：

import pandas as pd

df1 = pd.DataFrame({'A': [100, 120, 150, 130]}, index=[2, 4, 5, 6])
df2 = pd.DataFrame({'X': [200,230,210,220,245,260], 'Y': [300,330,300,360,310,390]}, index=[1,2,3,4,5,6])

# 用inner join合并
df3 = pd.concat([df2, df1], axis=1, join='inner')
print(df3)

运行后输出的结果就是你期望的：

X    Y    A
2  230  330  100
4  220  360  120
5  245  310  150
6  260  390  130

方法2：使用join方法并指定内连接 #

DataFrame的join方法也能实现同样的效果，只需要指定how='inner'：

df3 = df2.join(df1, how='inner')

这个方法和上面的concat效果完全一致，都是保留共同索引并合并数据。

方法3：用merge按索引合并 #

如果你习惯用merge，可以通过指定按索引匹配，同时设置内连接：

df3 = pd.merge(df2, df1, left_index=True, right_index=True, how='inner')

这种方式同样能得到你想要的结果，适合习惯用merge语法的场景。

内容的提问来源于stack exchange，提问作者pabrao