如何基于多个同结构DataFrame指定列创建新DataFrame？操作报错求助

你的代码问题根源 #

1. 对象类型初始化错误：df1['parameter1']返回的是Pandas Series（一维序列），而非DataFrame。直接给Series新增列会触发Pandas警告或报错，赋值操作也不会按预期生效，这是你得到异常结果的核心原因。
2. 索引对齐隐患：如果三个原DataFrame的索引不匹配，直接列相加会自动对齐索引，缺失位置会生成NaN，若后续处理不当就会出现类似全0的异常值。

正确实现代码 #

方案一：基础单列运算版

# 1. 创建包含parameter1列的DataFrame（用双层方括号确保返回DataFrame而非Series）
resultingdataframe = df1[['parameter1']].copy()
# 2. 添加parameter2求和列，自动对齐索引
resultingdataframe['parameter2'] = df1['parameter2'] + df2['parameter2'] + df3['parameter2']

• .copy()用于避免触发SettingWithCopyWarning，防止原DataFrame被意外修改。
• 若无需索引对齐，想直接按位置相加，可改用数组运算：

resultingdataframe['parameter2'] = df1['parameter2'].to_numpy() + df2['parameter2'].to_numpy() + df3['parameter2'].to_numpy()

方案二：批量自定义运算版

如果后续还要处理多列自定义操作，可先合并再聚合：

# 合并三个DataFrame的目标列
combined = pd.concat([
    df1[['parameter1', 'parameter2']],
    df2[['parameter2']],
    df3[['parameter2']]
], axis=1)

# 对所有parameter2列求和，生成结果DataFrame
resultingdataframe = combined.assign(
    parameter2=combined.filter(like='parameter2').sum(axis=1)
)[['parameter1', 'parameter2']]

内容的提问来源于stack exchange，提问作者Lala