情况1： 如果两个DataFrame都有一个共同的列（不是索引），你可以使用merge或join来整合它们。

import pandas as pd  # 创建两个示例DataFrame  
df1 = pd.DataFrame({  'ID': ['001', '002', '003'],  'A': ['foo', 'bar', 'baz']  
})  df2 = pd.DataFrame({  'ID': ['001', '002', '003'],  'B': ['one', 'two', 'three']  
})  # 使用merge按ID列整合两个DataFrame  
merged_df = pd.merge(df1, df2, on='ID', how='inner')  print(merged_df)

输出：

ID     A      B  
0  001   foo    one  
1  002   bar    two  
2  003   baz  three

情况2： 如果两个DataFrame的索引相同，你可以使用concat来将它们堆叠在一起。

# 假设两个DataFrame的索引相同  
df1 = pd.DataFrame({  'A': ['foo', 'bar', 'baz']  
}, index=['001', '002', '003'])  df2 = pd.DataFrame({  'B': ['one', 'two', 'three']  
}, index=['001', '002', '003'])  # 使用concat按索引整合两个DataFrame  
concat_df = pd.concat([df1, df2], axis=1)  print(concat_df)

输出：

A      B  
001  foo    one  
002  bar    two  
003  baz  three

情况3： 当使用pandas的merge函数时，如果两个DataFrame中的列名不匹配，你需要明确地指定哪些列应该被用作合并的键。这可以通过left_on和right_on参数来实现，这两个参数分别指定左侧DataFrame和右侧DataFrame中用作合并键的列名。

import pandas as pd  # 创建两个示例DataFrame，其中列名不匹配  
df1 = pd.DataFrame({  'ID_num': [1, 2, 3],  'Value_A': ['A1', 'A2', 'A3']  
})  df2 = pd.DataFrame({  'ID_str': ['1', '2', '3'],  'Value_B': ['B1', 'B2', 'B3']  
})  # 使用merge按ID列（尽管列名不同）整合两个DataFrame  
# 指定left_on和right_on参数来匹配列  
merged_df = pd.merge(df1, df2, left_on='ID_num', right_on='ID_str', how='inner')  print(merged_df)

输出：

ID_num Value_A ID_str Value_B  
0       1      A1      1      B1  
1       2      A2      2      B2  
2       3      A3      3      B3

在这个例子中，尽管df1中的ID_num列是整数类型，而df2中的ID_str列是字符串类型，但我们仍然可以通过left_on和right_on参数将它们作为合并键。how='inner’表示只保留两个DataFrame中都有匹配ID的行。

如果合并后你想要保留原始的列名，可以使用left_index=False和right_index=False参数，并可能需要在合并后重命名列。例如：

# 合并并重命名列以匹配原始列名  
merged_df = merged_df.rename(columns={'ID_num': 'ID', 'ID_str': 'ID'})  print(merged_df)

输出：

ID Value_A Value_B  
0   1      A1      B1  
1   2      A2      B2  
2   3      A3      B3