如何在Pandas左连接后移除右侧关联列并选择指定合并列？

当然不用非得执行df_merge.drop(columns='cities')！我们可以在合并操作前就精准控制要从右侧数据集（df2）中提取的列，既避免后续清理步骤，还能提升代码效率（尤其是处理大数据集时）。

针对你的示例场景 #

你的核心需求是：用df1的city和df2的cities做左连接，但只需要df2里的temp列，不想让cities出现在最终结果里。可以这么做：

import pandas as pd

df1 = pd.DataFrame({
    "city": ['new york','chicago', 'orlando','ottawa'],
    "humidity": [35,69,79,99]
})

df2 = pd.DataFrame({
    "cities": ['new york', 'chicago', 'toronto'],
    "temp": [1, 6, -35]
})

# 1. 先把df2的关联列重命名为和df1一致的名称，同时筛选出需要的列
df2_selected = df2.rename(columns={"cities": "city"})[["city", "temp"]]
# 2. 执行左连接，此时结果里就不会有多余的cities列了
df_merge = df1.merge(df2_selected, on='city', how='left')

print(df_merge)

执行后输出：

city  humidity  temp
0  new york        35   1.0
1   chicago        69   6.0
2   orlando        79   NaN
3    ottawa        99   NaN

处理df2有大量列的场景（比如30列只需要10列） #

当df2列数很多时，只要明确两个关键点：

• 必须保留关联列（比如这里的cities）用来做连接
• 加上你需要的10列

比如假设你需要df2里的temp、pressure、wind_speed...（共10列），可以这么写：

# 列出所有需要的列：关联列 + 业务列
needed_columns = ["cities", "temp", "pressure", "wind_speed", ...]  # 补全你的10列
df2_selected = df2[needed_columns].rename(columns={"cities": "city"})
df_merge = df1.merge(df2_selected, on='city', how='left')

为什么这比合并后drop更优？ #

• 减少内存占用：合并前就筛选列，避免把不需要的列加载到内存里，大数据集下效果明显
• 代码更清晰：一步到位，后续维护时能直接看到你需要哪些列，不用猜为什么要drop某列

内容的提问来源于stack exchange，提问作者caddie