如何动态拼接已存在的Pandas DataFrame集合？

最优方案：用字典提前管理DataFrame #

从一开始就用字典存储生成的DataFrame，是最清晰且不易出错的方式，完全避免了动态查找变量的问题：

import pandas as pd

# 初始化空字典，用来存放有效生成的DataFrame
dfs_collection = {}

# 模拟API处理流程（替换成你的实际API调用逻辑）
# 处理第一个API结果
api_res_1 = your_api_call()  # 实际的API调用函数
if api_res_1 is not None:  # 判断API返回是否有效
    dfs_collection['df1'] = pd.DataFrame(api_res_1)  # 转换为DataFrame并存入字典

# 处理第二个API结果
api_res_2 = your_api_call()
if api_res_2 is not None:
    dfs_collection['df2'] = pd.DataFrame(api_res_2)

# ... 依次处理剩下的10个API结果

# 合并所有存在的DataFrame
final_merged_df = pd.concat(dfs_collection.values(), ignore_index=True)

这种方式的优势在于：

• 逻辑清晰，所有有效DataFrame都集中管理，不会和其他全局变量混淆
• 直接通过字典值的集合就能获取所有需要合并的对象，无需额外判断

针对已有变量名集合的处理方式 #

如果已经有一批潜在的DataFrame变量名（比如固定的12个名称），可以通过全局/局部环境变量字典来动态获取存在的DataFrame对象：

import pandas as pd

# 你的固定潜在DataFrame名称集合
potential_df_names = ['df1', 'df2', 'df3', ..., 'df12']  # 替换为实际的12个名称

# 筛选出存在且为DataFrame类型的对象
valid_dfs = []
for name in potential_df_names:
    # 检查变量是否存在于全局环境，且是pandas DataFrame
    if name in globals() and isinstance(globals()[name], pd.DataFrame):
        valid_dfs.append(globals()[name])

# 执行合并
final_merged_df = pd.concat(valid_dfs, ignore_index=True)

注意：如果是在函数内部执行这段代码，需要把globals()换成locals()，因为函数内的变量属于局部环境。

额外提示 #

• 加上ignore_index=True可以重置合并后的索引，避免原DataFrame的索引重复导致的问题
• 确保所有有效DataFrame的列名完全一致，这是pd.concat追加合并的前提

内容的提问来源于stack exchange，提问作者Tara