如何定位列表中同名DataFrame并合并其A、B列后整合？

首先修正你原循环的核心问题——你当前代码在每次循环里都会重新初始化file_name、location、match三个列表，导致之前循环的结果被覆盖。先正确提取所有文件对应的match标识：

import os
import re
import pandas as pd

# 初始化空列表，循环填充所有文件的对应标识
file_name = []
location = []
match = []

for path in split_list:
    fn = os.path.split(path)[1]
    file_name.append(fn)
    # 去除文件名中的日期部分
    loc = re.sub(r'(\d+-\d+-\d+)', '', fn)
    # 去除后缀文本
    loc = loc.rstrip(' Daily Report.xlsx')
    location.append(loc)
    # 提取匹配标识（假设每个文件对应唯一标识，取列表第一个元素）
    m = re.findall(r'\d+\.\d+', loc)
    match.append(m[0] if m else '')

接下来通过分组处理重复标识对应的DataFrame，实现A、B列的累加合并：

# 用字典按match标识分组存储DataFrame
grouped_dfs = {}
for m, df in zip(match, dfs):
    if m not in grouped_dfs:
        grouped_dfs[m] = []
    grouped_dfs[m].append(df)

# 处理每个分组，生成最终结果
final_dfs = []
for m, df_list in grouped_dfs.items():
    if len(df_list) == 1:
        # 无重复，直接保留原DataFrame
        final_dfs.append(df_list[0])
    else:
        # 有重复，初始化合并结果为第一个DataFrame的副本
        merged_df = df_list[0].copy()
        # 遍历剩余DataFrame，累加A、B列
        for df in df_list[1:]:
            merged_df['A'] += df['A']
            merged_df['B'] += df['B']
        # C列默认保留第一个DataFrame的内容，若需其他逻辑可自行调整
        final_dfs.append(merged_df)

# 可选：将所有结果合并为一个大DataFrame
final_combined_df = pd.concat(final_dfs, ignore_index=True)

关键修正说明 #

• 移除了循环内重复初始化列表的错误逻辑，确保所有match标识被完整存储
• 使用字典分组管理相同标识的DataFrame，逻辑更清晰且支持多个重复项（不止两个）的场景
• 保留无重复的原始DataFrame，确保所有数据都被正确处理
• 累加操作基于副本修改，避免污染原始DataFrame数据

内容的提问来源于stack exchange，提问作者verynovice