Julia循环DataFrame向量得到嵌套向量，如何转为DataFrame？

问题背景 #

使用列表推导式[mydfbase.a .- dfx.a for dfx in MyDFvector]处理DataFrame向量后，得到类型为Vector{Vector{Int64}}的结果，需要将其转换为与mydfWant结构一致的DataFrame（每行对应原向量的相同索引元素，每列对应原列表推导式的一个结果向量）。

可复现代码：

using DataFrames

# 创建示例DataFrame
mydfbase = DataFrame(a=[41, 41, 41, 41, 41, 41])
mydf1 = DataFrame(a=1:6)
mydf2 = DataFrame(a=7:12)
mydf3 = DataFrame(a=13:18)

# 存入向量
MyDFvector = [mydf1, mydf2, mydf3]

# 计算差值得到Vector{Vector}
RawDiff = [mydfbase.a .- dfx.a for dfx in MyDFvector]

# 目标结构的DataFrame示例
mydfWant = DataFrame(a=[40, 39, 38, 37, 36, 35], b=[34, 33, 32, 31, 30, 29], c=[28, 27, 26, 25, 24, 23])

解决方法 #

方法1：直接用DataFrame构造函数转换 #

利用DataFrame的构造特性，将RawDiff中的每个子向量作为一列传入，同时指定自定义列名：

mydfResult = DataFrame(RawDiff, [:a, :b, :c])

方法2：先拼接为矩阵再转换 #

先通过hcat(RawDiff...)将向量的向量拼接为二维矩阵，再构造DataFrame并指定列名：

mydfResult = DataFrame(hcat(RawDiff...), [:a, :b, :c])

方法3：一步生成目标DataFrame #

跳过中间变量RawDiff，直接在构造DataFrame时完成计算：

mydfResult = DataFrame([mydfbase.a .- dfx.a for dfx in MyDFvector], [:a, :b, :c])

以上三种方法生成的mydfResult结构与mydfWant完全一致，输出结果如下：

6×3 DataFrame
 Row │ a      b      c     
     │ Int64  Int64  Int64 
─────┼─────────────────────
   1 │    40     34     28
   2 │    39     33     27
   3 │    38     32     26
   4 │    37     31     25
   5 │    36     30     24
   6 │    35     29     23

内容的提问来源于stack exchange，提问作者donPablo