合并 2 个变量时，concat 不会按照我想要的方式打印它们

Question

目前方案如下：

a1

      Salary

Year        

2007    2750

2008    2850

2009    2700

2010    2900

2011    3000

2012    3050

2013    3050

2014    3200

2015    3300

2016    3300

b1

      GDP for Year

Year              

2007      271249.8

2008      271980.4

2009      279858.0

2010      322361.1

2011      346649.0

2012      361365.9

2013      378531.6

2014      390447.7

2015      408096.6

2016      410271.9

当我合并它时，它显示：

pd.concat([a1, b1], axis=1, ignore_index=False)

      Salary  GDP for Year

Year                      

2007  2750.0           NaN

2008  2850.0           NaN

2009  2700.0           NaN

2010  2900.0           NaN

2011  3000.0           NaN

2012  3050.0           NaN

2013  3050.0           NaN

2014  3200.0           NaN

2015  3300.0           NaN

2016  3300.0           NaN

2007     NaN      271249.8

2008     NaN      271980.4

2009     NaN      279858.0

2010     NaN      322361.1

2011     NaN      346649.0

2012     NaN      361365.9

2013     NaN      378531.6

我希望将其打印为：

        Salary   GDP For Year

Year    

2007    2750 .   271249.8

2008    2850 .   271980.4

2009    2700 .  279858.0

2010    2900 .  322361.1

2011    3000 .   346649.0

2012    3050 .   361365.9

2013    3050 .   378531.6

2014    3200 .   390447.7

2015    3300 .   408096.6

2016    3300 .   410271.9

然后在那之后，我想绘制一个图形并创建一个关于两条线如何在单个图形中相互比较的比较。

我已经尝试过，合并，加入，连接，但到目前为止什么都没有。

Answer 1

数据帧的索引之一是字符串类型，而另一个是整数renamea1.rename(int, inplace=True)b1.rename(int, inplace=True)pd.concat([a1, b1], axis=1)      Salary  GDP for YearYear                      2007    2750      271249.82008    2850      271980.42009    2700      279858.02010    2900      322361.12011    3000      346649.02012    3050      361365.92013    3050      378531.62014    3200      390447.72015    3300      408096.62016    3300      410271.9分配给 indexa1.index = a1.index.astype(int)b1.index = b1.index.astype(int)pd.concat([a1, b1], axis=1)

Answer 2

尝试：pd.concat([a1, b1], axis='col', ignore_index=False)