如何基于a类与命名不同的b类列合并多个Pandas DataFrame

方法一：优化reduce合并逻辑 #

你完全可以用reduce实现需求，只需要在合并时明确以a列为键，由于除a外其他列名都是唯一的，不需要额外设置后缀。修改后的代码如下：

import pandas as pd
from functools import reduce

# 创建示例DataFrame
df1 = pd.DataFrame({'a': [1, 2, 3], 'b1': [4, 5, 6], 'c1': [7, 8, 9]})
df2 = pd.DataFrame({'a': [1, 2, 3], 'b2': [4, 5, 6], 'c2': [13, 14, 15]})
df3 = pd.DataFrame({'a': [1, 2, 3], 'b3': [4, 5, 9], 'c3': [19, 20, 21]})
df4 = pd.DataFrame({'a': [1, 2, 3], 'b4': [1, 5, 6], 'c4': [25, 26, 27]})

dfs = [df1, df2, df3, df4]

# 基于a列依次合并所有DataFrame
merged_df = reduce(lambda left, right: pd.merge(left, right, on='a'), dfs)

# 查看结果
print(merged_df)

运行后会得到你想要的结构：仅保留一次a列，所有b*、c*列全部保留。

方法二：concat结合索引合并（更高效） #

如果处理40个DataFrame，这种方法性能更优：

1. 先将每个DataFrame的a列设为索引
2. 横向拼接所有DataFrame
3. 最后重置索引恢复a列为普通列

代码示例：

import pandas as pd

# 创建示例DataFrame
df1 = pd.DataFrame({'a': [1, 2, 3], 'b1': [4, 5, 6], 'c1': [7, 8, 9]})
df2 = pd.DataFrame({'a': [1, 2, 3], 'b2': [4, 5, 6], 'c2': [13, 14, 15]})
df3 = pd.DataFrame({'a': [1, 2, 3], 'b3': [4, 5, 9], 'c3': [19, 20, 21]})
df4 = pd.DataFrame({'a': [1, 2, 3], 'b4': [1, 5, 6], 'c4': [25, 26, 27]})

dfs = [df1, df2, df3, df4]

# 每个df设置a为索引后拼接
merged_df = pd.concat([df.set_index('a') for df in dfs], axis=1).reset_index()

# 查看结果
print(merged_df)

结果验证 #

两种方法得到的结果均符合预期，比如提取a=2的行：

a  b1  c1  b2  c2  b3  c3  b4  c4
1  2   5   8   5  14   5  20   5  26

内容的提问来源于stack exchange，提问作者srinivas