如何合并两个Pandas DataFrame并调整第二个的time列后拼接？

先给出可复现的输入数据：

import pandas as pd

df1 = pd.DataFrame({
    'time': [0.00, 0.01, 0.02, 0.03, 0.04],
    'power': [800.380000, 788.281667, 776.183333, 764.085000, 782.222500]
})

df2 = pd.DataFrame({
    'time': [0.00, 0.01, 0.02, 0.03, 0.04],
    'power': [1485.715, 1485.915, 1485.715, 1450.980, 1450.995]
})

思路1：分步调整+合并 #

这是最直观的方案，步骤清晰易理解：

1. 计算df1的最大时间值：max_time = df1['time'].max()
2. 复制df2（避免修改原始数据），调整其time列每个值加上最大时间
3. 用pd.concat合并两个DataFrame，最后重置索引去除重复行号

代码示例：

max_time = df1['time'].max()
df2_adjusted = df2.copy()
df2_adjusted['time'] += max_time

result = pd.concat([df1, df2_adjusted]).reset_index(drop=True)

思路2：链式操作简化代码 #

追求代码简洁的话，可用assign直接生成调整后的df2，无需单独创建中间变量，一步完成合并：

result = pd.concat([
    df1,
    df2.assign(time=df2['time'] + df1['time'].max())
]).reset_index(drop=True)

assign会返回新的DataFrame，不会改动原始df2，适合快速实现需求。

思路3：兼容旧版本的append方法（不推荐） #

如果使用Pandas 2.0以下的旧版本，也可以用append实现，但该方法已被官方弃用，建议优先用concat：

max_time = df1['time'].max()
result = df1.append(df2.assign(time=df2['time'] + max_time)).reset_index(drop=True)

执行以上任意一种方法后，result就是你需要的目标DataFrame。

内容的提问来源于stack exchange，提问作者Karma_X