如何将不同长度NumPy数组合并为指定格式的Pandas DataFrame？

可以利用Pandas的索引对齐特性实现高效合并，步骤如下：

实现代码 #

import numpy as np
import pandas as pd

# 定义输入数组
a = np.array([1,2,3])
b = np.array([2,3,4])
c = np.array([1,2,4])

# 将每个数组转为Series，用数组元素自身作为索引
series_a = pd.Series(a, index=a)
series_b = pd.Series(b, index=b)
series_c = pd.Series(c, index=c)

# 按列合并Series，自动对齐索引，缺失值填充NaN
df = pd.concat([series_a, series_b, series_c], axis=1)

# 重命名列名
df.columns = ['Column A', 'Column B', 'Column C']

print(df)

输出结果 #

Column A  Column B  Column C
1       1.0       NaN       1.0
2       2.0       2.0       2.0
3       3.0       3.0       NaN
4       NaN       4.0       4.0

原理说明 #

1. 将每个NumPy数组转为Series时，把数组元素同时作为Series的索引和值，为后续自动匹配对应位置做准备。
2. 使用pd.concat按列合并三个Series，默认join='outer'会保留所有索引（即三个数组的所有唯一值），缺失位置自动填充NaN。
3. 最后重命名列名即可得到目标格式的DataFrame。

这种方法依赖Pandas内置优化操作，无需手动循环或判断，效率更高，适合处理大规模数据。

内容的提问来源于stack exchange，提问作者kyara