你可以在左侧数据框架上复制索引并合并。

a['copy_index'] = a.index
a.merge(b, how='left')

我发现这个简单的方法在处理大数据帧和使用pd.merge_asof()(或dd.merge_asof())时非常有用。

当重设索引是昂贵的(大数据帧)时，这种方法会更好。

In [5]: a.reset_index().merge(b, how="left").set_index('index')
Out[5]:
       col1  to_merge_on  col2
index
a         1            1     1
b         2            3     2
c         3            4   NaN

请注意，对于一些左合并操作，当a和b之间有多个匹配时，您可能会得到比a中更多的行。在这种情况下，您可能需要删除重复项。

我想我有别的办法了。我加入了左表的索引值和右表的列值基于左表的索引。我所做的是一个正常的合并:

First10ReviewsJoined = pd.merge(First10Reviews, df, left_index=True, right_on='Line Number')

然后，我从合并表中检索了新的索引号，并将它们放在名为“情绪线号码”的新列中:

First10ReviewsJoined['Sentiment Line Number']= First10ReviewsJoined.index.tolist()

然后我手动将索引设置回原始的，基于预先存在的名为Line Number的列(我从left table index连接的列值)的左表索引:

First10ReviewsJoined.set_index('Line Number', inplace=True)

然后删除Line Number的索引名，使其保持空白:

First10ReviewsJoined.index.name = None

也许有点hack，但似乎工作得很好，相对简单。此外，我猜这也降低了重复/弄乱数据的风险。希望这些都讲得通。

对于那些想要保持左索引和左连接之前一样的人:

def left_join(
    a: pandas.DataFrame, b: pandas.DataFrame, on: list[str], b_columns: list[str] = None
) -> pandas.DataFrame:
    if b_columns:
        b_columns = set(on + b_columns)
        b = b[b_columns]
    df = (
        a.reset_index()
        .merge(
            b,
            how="left",
            on=on,
        )
        .set_index(keys=[x or "index" for x in a.index.names])
    )
    df.index.names = a.index.names
    return df

你也可以使用datafframe .join()方法来实现同样的事情。join方法将持久化原始索引。要连接的列可以用一个参数指定。

In [17]: a.join(b.set_index("to_merge_on"), on="to_merge_on")
Out[17]: 
   col1  to_merge_on  col2
a     1            1   1.0
b     2            3   2.0
c     3            4   NaN

另一个简单的选项是将索引重命名为以前的索引:

a.merge(b, how="left").set_axis(a.index)

Merge保留了数据帧“a”的顺序，但只是重置了索引，所以使用set_axis是安全的