Pandas：连接数据帧并保留重复索引

我有两个数据框，我想将它们按列（axis=1）与内部联接连接起来。其中一个数据帧有一些重复的索引，但行不重复，我不想丢失其中的数据：

df1 = pd.DataFrame([{'a':1,'b':2},{'a':1,'b':3},{'a':2,'b':4}],
                   columns = ['a','b']).set_index('a')

df2 = pd.DataFrame([{'a':1,'c':5},{'a':2,'c':6}],columns = ['a','c']).set_index('a')

>>> df1
   b
a   
1  2
1  3
2  4
8  9

>>> df2
   c
a   
1  5
2  6

默认concat行为是用 NaN 填充缺失值：

>>> pd.concat([df1,df2])
    b   c
a
1   2 NaN
1   3 NaN
2   4 NaN
1 NaN   5
2 NaN   6

我想保留 df1 中的重复索引并用 df2 中的重复值填充它们，但在 pandas 0.13.1 中，列上的内部联接会产生错误。在更新版本的 pandas concat 中，我想要做的事情：

>>> pd.concat([df1, df2], axis=1, join='inner')
   b  c
a      
1  2  5
1  3  5
2  4  6

实现我想要的结果的最佳方法是什么？有分组解决方案吗？或者也许我不应该使用concat at all?

您可以执行合并并设置参数以使用左侧和右侧的索引：

In [4]:    
df1.merge(df2, left_index=True, right_index=True)
Out[4]:
   b  c
a      
1  2  5
1  3  5
2  4  6

[3 rows x 2 columns]

Concat 应该有效，它对我有用：

In [5]:

pd.concat([df1,df2], join='inner', axis=1)
Out[5]:
   b  c
a      
1  2  5
1  3  5
2  4  6

[3 rows x 2 columns]