如何用Pandas合并无共同列的两个数据表？实操求助

看起来你遇到的核心问题是用错了合并逻辑——你原本想让两个表的行按顺序一一对应，但却用了字段值匹配的方式做合并，而你的listid和profile/emailid字段的值完全没有重叠，所以才会出现大量NaN。

正确的解决方案 #

因为你的需求是把两个表的互补列（一个表有listid，另一个有profile/emailid）按行位置对齐合并，而非通过字段值关联，推荐两种简单方法：

方法1：用pd.concat横向拼接

直接按列合并两个表，确保行索引对齐：

import pandas as pd
data = pd.read_csv("offer1.txt")
data1 = pd.read_csv("offer2.txt")
# 按列拼接后删除空行（如果原数据存在空行的话）
merged_data = pd.concat([data, data1], axis=1).dropna()
print(merged_data)

方法2：按索引做合并

如果两个表的行数完全一致，也可以通过索引进行精准对齐：

import pandas as pd
data = pd.read_csv("offer1.txt")
data1 = pd.read_csv("offer2.txt")
# 基于左右表的索引做内连接，保证行完全对应
merged_data = data.merge(data1, left_index=True, right_index=True, how='inner')
print(merged_data)

为什么原来的方法无效？ #

你之前的merge(left_on='listid', right_on='profile/emailid', how='left')是在寻找listid和profile/emailid值相同的行进行匹配，但你的数据里listid是数字ID（比如588001），profile/emailid是邮箱或另一类ID，二者没有任何匹配的值，所以合并后自然会出现大量空值。

内容的提问来源于stack exchange，提问作者Divya Nagandla