如何连接存在重复行的两个DataFrame并保留重复行？

我来帮你解决这个问题！结合pandas的功能，我们可以分步骤实现你的需求，包括识别两个DataFrame的共有/独有行，以及单独提取df2中exId=1的重复行，具体操作如下：

1. 先明确数据结构 #

首先我们先把你提供的两个DataFrame用代码还原出来，方便后续操作：

import pandas as pd

# 构建df1
df1 = pd.DataFrame({
    'id': [1, 3],
    'amount': [10.00, 90],
    'fee': [5.0, 130.0]
})

# 构建df2
df2 = pd.DataFrame({
    'exId': [1, 1, 3],
    'exAmount': [10.00, 10.0, 90.0],
    'exFee': [5.0, 5.0, 130.0]
})

2. 对齐列名以便连接 #

因为两个DataFrame的列名不一致（df1是id/amount/fee，df2是exId/exAmount/exFee），我们先重命名df2的列，让它们和df1匹配：

df2_aligned = df2.rename(columns={
    'exId': 'id',
    'exAmount': 'amount',
    'exFee': 'fee'
})

3. 识别共有行与独有行 #

使用pd.merge的indicator参数，我们可以标记每行来自哪个DataFrame，从而区分共有、df1独有、df2独有的行：

# 全外连接并标记行来源
merged_result = pd.merge(
    df1, 
    df2_aligned, 
    on=['id', 'amount', 'fee'], 
    how='outer', 
    indicator=True
)

# 拆分不同归属的行
common_rows = merged_result[merged_result['_merge'] == 'both']  # 两个DataFrame共有的行
df1_unique_rows = merged_result[merged_result['_merge'] == 'left_only']  # df1独有的行
df2_unique_rows = merged_result[merged_result['_merge'] == 'right_only']  # df2独有的行

4. 单独提取df2中exId=1的重复行 #

针对你的核心需求，我们可以用duplicated方法找出df2中所有列完全重复的行，再筛选出exId=1的部分：

# 标记df2中所有列重复的行（keep=False会标记所有重复行，包括第一次出现的）
is_duplicate = df2.duplicated(subset=['exId', 'exAmount', 'exFee'], keep=False)

# 提取exId=1的重复行
exId1_duplicates = df2[(df2['exId'] == 1) & is_duplicate]

结果验证 #

你可以通过打印这些变量查看结果：

• common_rows会包含id=1和id=3的行（两个DataFrame共有的内容）
• df1_unique_rows当前是空的（因为df1的行在df2都存在）
• df2_unique_rows也是空的（df2的行都能在df1找到匹配，除了重复的行，这部分单独在exId1_duplicates里）
• exId1_duplicates会输出df2中那两行exId=1的重复数据：

  exId  exAmount  exFee
  0     1      10.0    5.0
  1     1      10.0    5.0
  

内容的提问来源于stack exchange，提问作者Nick01