如果有多个值，则必须决定如何合并。如果只有1，则可以简单地分配：

df1['key'] = 1
df2['key'] = 1

对临时键执行合并，然后放下临时键：

df1.merge(df2).drop(columns=['key'])

输出：

 id  Brand  Price
 0   1  volvo  20000
 1   1   audi  30000

但是您正在执行笛卡尔积，因此，如果df1 e.g: [1,2]中存在多个值，则会有更多重复数据：

id  Brand  Price
0   1  volvo  20000
1   1   audi  30000
2   2  volvo  20000
3   2   audi  30000

这是我当前的解决方案：

df1={'id':[1]}
df2 = {'Brand':['Volvo','Heizen','Eizen'],'Price':[20000,30000,40000]}

person=pd.DataFrame(df1)
car=pd.DataFrame(df2)
id=person.loc[0].id
car.insert(0,"id",id)
print(car)

这是我的输出：

   id   Brand  Price
0   1   Volvo  20000
1   1  Heizen  30000
2   1   Eizen  40000

它可以得到我期望的表。但这有更好的解决方案吗？

df1和df2不是熊猫数据帧。

data1={'id':[1]}
data2={'Brand':['volvo','audi'],30000]} 

df1 = pd.DataFrame(data1) #creating dataframes
df2 = pd.DataFrame(data2)
frames = [df1,df2]

并串联

pd.concat(frames,sort=False)

收益

id  Brand   Price
0   1.0     NaN     NaN
0   NaN     volvo   20000.0
1   NaN     audi    30000.0