如何合并字典值中以共同键关联的pandas DataFrame

问题背景 #

我有一个字典data，所有值都是Pandas DataFrame，结构如下：

{'x':    player         x1
 0         foo          x_val
 1         bar          x_val,

 'y':    player         y1
 0        foo          y_val
 1        bar          y_val,
 'z':     player       z1
 0         foo        z_val
 1         bar        z_val
}

需要以player为键合并所有DataFrame，得到包含所有列的合并结果。但字典中的DataFrame数量不固定，无法用硬编码逐个merge的方式实现，尝试过循环和异常处理都没成功。

解决方案 #

方法1：用functools.reduce迭代合并

这是通用方案，不管列名是否重复都适用：

from functools import reduce
import pandas as pd

# 提取字典里所有的DataFrame
df_list = list(data.values())
# 迭代合并所有DataFrame，指定合并键和方式
merged_df = reduce(lambda left_df, right_df: left_df.merge(right_df, on='player', how='outer'), df_list)

• reduce会自动遍历df_list，把每个DataFrame和前一次的合并结果再合并
• how='outer'保留所有player的数据，若只需要保留所有DataFrame共有的player，换成how='inner'即可

方法2：索引拼接（适合无重复列名场景）

如果每个DataFrame除了player之外的列名都是唯一的（比如示例中的x1、y1、z1），可以用更高效的拼接方式：

import pandas as pd

# 把每个DataFrame的索引设为player，然后横向拼接
df_list = [df.set_index('player') for df in data.values()]
merged_df = pd.concat(df_list, axis=1).reset_index()

这种方式避免了多次merge的开销，速度更快，但如果存在重复列名，Pandas会自动给列名加后缀（如x1_x、x1_y），需要提前处理列名冲突。

内容的提问来源于stack exchange，提问作者bismo