如何对齐匹配长度不等的两个DataFrame列？

看起来你是想把两个包含重复元素的序列（比如基因名列表）按元素的出现次数对齐，多余的位置补NA对吧？之前用merge没成功，大概率是没考虑到同一个元素多次出现的情况——只按基因名合并的话，没法区分第几次出现的匹配，自然得不到想要的结果。

我来给你一步步拆解实现方法：

步骤1：准备测试数据 #

先把你的示例转换成可运行的pandas结构（假设你的df1和df2都是单列的DataFrame）：

import pandas as pd

df1 = pd.DataFrame({'gene': ['ABCC1', 'ADCY2', 'ADNP2', 'ADRA1B', 'ALMS1', 'AOC1']})
df2 = pd.DataFrame({'gene': ['ABCC1', 'ABCC1', 'ADCY2', 'ADNP2', 'ADRA1B']})

步骤2：给每个元素添加“出现序号” #

我们需要给每个元素标记它是该基因在序列中第几次出现，这样才能精准匹配重复的元素：

# 给df1的每个基因添加出现序号（从0开始）
df1['occurrence_idx'] = df1.groupby('gene').cumcount()
# 给df2做同样的操作
df2['occurrence_idx'] = df2.groupby('gene').cumcount()

这一步之后，df2里的两个ABCC1会分别被标记为0和1，方便后续区分匹配。

步骤3：按基因名+出现序号做外连接 #

现在用merge做外连接，同时按gene和occurrence_idx两个字段匹配，这样就能对齐每个基因的第n次出现，没有匹配的位置自动补NA：

merged_df = pd.merge(
    df1, df2,
    on=['gene', 'occurrence_idx'],
    how='outer',
    suffixes=('_from_df1', '_from_df2')
)

得到的merged_df会包含所有基因的所有出现次数，缺失的位置用NaN填充。

步骤4：展开成你想要的一维序列 #

最后把两列的元素按行拼接成一个列表，再把NaN替换成字符串NA（如果需要的话）：

# 堆叠两列得到一维序列
result_list = merged_df[['gene_from_df1', 'gene_from_df2']].stack().tolist()
# 把NaN替换成NA
result_list = [x if pd.notna(x) else 'NA' for x in result_list]

运行完以上代码，result_list就是你想要的结果：

['ABCC1', 'ABCC1', 'NA', 'ABCC1', 'ADCY2', 'ADCY2', 'ADNP2', 'ADNP2', 'ADRA1B', 'ADRA1B', 'ALMS1', 'NA', 'AOC1', 'NA']

为什么之前的merge没成功？ #

你之前可能只按gene字段做了合并，这样对于重复出现的基因（比如df2里的两个ABCC1），merge只会匹配一次，没法处理多次出现的对齐需求。加上occurrence_idx字段后，我们就能精准匹配每个基因的第n次出现，完美解决重复元素的对齐问题。

内容的提问来源于stack exchange，提问作者Leo