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。

df1 = df1.merge(df2, how="inner", left_index=True, right_index=True)

这允许保留df1的索引

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

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。

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。

有一个非pd。使用系列合并解决方案。map和DataFrame.set_index。

a['col2'] = a['to_merge_on'].map(b.set_index('to_merge_on')['col2']))

   col1  to_merge_on  col2
a     1            1   1.0
b     2            3   2.0
c     3            4   NaN

这不会为索引引入一个虚拟索引名。

但是请注意，这里没有DataFrame。映射方法，因此这种方法不适用于多列。