Pandas横向合并同列名多DataFrame/CSV文件的实现方法

要实现将多个包含date和result列的DataFrame合并为单一DataFrame（仅保留一个date列，每个原DataFrame的结果列独立），核心是先重命名重复的result列，再按date列做外连接，步骤如下：

1. 重命名结果列 #

为每个DataFrame的result列添加唯一标识（比如对应原DataFrame的序号或名称），避免列名冲突：

import pandas as pd

# 示例数据
df1 = pd.DataFrame({
    'date': ['01/06/2023', '02/06/2023', '04/06/2023'],
    'result': [0.5, 2.4, 6.5]
})
df2 = pd.DataFrame({
    'date': ['01/06/2023', '03/06/2023', '04/06/2023'],
    'result': [0.7, 0.5, 0.2]
})

# 重命名result列
df1 = df1.rename(columns={'result': 'result_1'})
df2 = df2.rename(columns={'result': 'result_2'})

2. 按日期外连接合并 #

使用pd.merge()按date列做外连接，自动对齐所有日期，缺失数据会填充为NaN（Streamlit绘图可直接识别）：

merged_df = pd.merge(df1, df2, on='date', how='outer')

运行后得到的merged_df即为预期格式：

3. 处理多个DataFrame的批量合并 #

如果有更多DataFrame，可通过循环批量处理：

# 假设有多个DataFrame存入列表
dfs = [df1, df2, df3]

# 初始化合并结果
merged_df = dfs[0].rename(columns={'result': f'result_1'})

# 依次合并剩余DataFrame
for idx, df in enumerate(dfs[1:], start=2):
    df_renamed = df.rename(columns={'result': f'result_{idx}'})
    merged_df = pd.merge(merged_df, df_renamed, on='date', how='outer')

注意事项 #

• 若需要将NaN显示为空字符串，可执行merged_df.fillna('')，但会将数值转为字符串，绘图前需注意类型转换；
• Streamlit的折线图会自动忽略NaN值，无需额外处理即可生成正确的折线展示。

内容的提问来源于stack exchange，提问作者Kronnow