合并字典中pandas时间序列DataFrame遇问题求指导

核心结论 #

pd.concat是处理你这种同结构时间序列DataFrame按行堆叠的最优选择，append已被pandas弃用不建议使用，merge适用于按关联键合并不同结构的表，不符合你的需求。

你的代码问题 #

1. 循环覆盖变量：你在循环里每次都重新赋值out = pd.concat([v[1:]])，这会导致out每次都被当前的v[1:]覆盖，最终只保留最后一个DataFrame的数据。
2. 表头赋值问题：直接用iloc[0]得到的是Series对象，直接赋值给columns可能会保留Series的索引，导致列名异常，需要转成列表格式。

修正后的代码 #

# 获取表头并转为列表（避免Series作为列名的问题）
header = next(iter(dict.values())).iloc[0].tolist()
# 收集所有需要合并的DataFrame片段（跳过第一行表头行）
frames = [v[1:] for v in dict.values()]
# 一次性合并所有片段，ignore_index重置行索引
out = pd.concat(frames, axis=0, ignore_index=True)
# 设置列名
out.columns = header
print(out)

补充说明 #

• 一次性收集所有要合并的DataFrame到列表再concat，比循环里多次concat效率更高（pandas的concat操作是创建新对象，多次操作会额外消耗资源）。
• 如果你的月度DataFrame本身已经有正确的列名（不需要从第一行提取），可以直接跳过表头提取步骤，直接合并即可。

内容的提问来源于stack exchange，提问作者Possdawgers