如何将Pandas数据框列表中ub列合并至首个数据框并重命名

假设你的数据框列表叫 dfs，而且所有数据框的行索引完全一致，可以用下面两种方法实现需求：

方法一：逐行合并（用join） #

1. 先把第一个数据框的lb列抽出来当结果的基础
2. 挨个处理列表里剩下的每个数据框，把它们的ub列重命名成ub0、ub1...，再合并到结果里

import pandas as pd

# 保留第一个df的lb列作为初始结果
result = dfs[0][['lb']].copy()

# 从第二个df开始遍历
for idx, df in enumerate(dfs[1:], start=0):
    # 提取ub列并重命名，再合并到结果
    result = result.join(df['ub'].rename(f'ub{idx}'))

方法二：批量拼接（用concat） #

先把所有需要的列收集好——第一个df的lb、后面每个df重命名后的ub，再一次性拼起来：

import pandas as pd

# 先把第一个df的lb列放进列表
columns_to_merge = [dfs[0]['lb']]

# 处理剩下的df，把ub列重命名后加入列表
for idx, df in enumerate(dfs[1:], start=0):
    columns_to_merge.append(df['ub'].rename(f'ub{idx}'))

# 按列拼接所有列
result = pd.concat(columns_to_merge, axis=1)

额外情况：保留第一个df的原ub列 #

如果你想把第一个数据框原本的ub列也保留，命名为ub0，后面的依次叫ub1、ub2...，可以这么改：

# 保留第一个df的lb和ub，把ub改名为ub0
result = dfs[0].rename(columns={'ub': 'ub0'}).copy()

# 合并后续df的ub列，命名为ub1、ub2...
for idx, df in enumerate(dfs[1:], start=1):
    result = result.join(df['ub'].rename(f'ub{idx}'))

因为所有数据框的行索引完全一致，上面的方法都会自动按索引对齐，不用额外设置匹配条件。

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