如何将两个同结构DataFrame合并为含Name列的目标格式数据表？

核心思路 #

你之前用concat()导致Name列重复，是因为concat()是纵向拼接两个表，而你需要的是按date和Name匹配后横向合并数值列。正确的做法是先分别melt()两个DataFrame，再用merge()按共同键合并，而非concat()。

步骤示例 #

假设你的原始DataFrame结构如下（date为行索引，列名为各类Name）：

import pandas as pd

# 示例DF1
df1 = pd.DataFrame(
    {'Alice': [10, 15], 'Bob': [20, 25]},
    index=pd.date_range('2024-01-01', periods=2)
).rename_axis('date')

# 示例DF2
df2 = pd.DataFrame(
    {'Alice': [12, 17], 'Bob': [22, 27]},
    index=pd.date_range('2024-01-01', periods=2)
).rename_axis('date')

1. 分别对两个DF做melt处理

将列名（即Name）转为单独列，同时给数值列命名区分来源：

# 处理DF1，重置索引把date转为列
df1_melted = df1.reset_index().melt(
    id_vars='date', 
    var_name='Name', 
    value_name='DF1_value'
)

# 处理DF2，同理
df2_melted = df2.reset_index().melt(
    id_vars='date', 
    var_name='Name', 
    value_name='DF2_value'
)

2. 用merge按date和Name合并

通过date和Name两个键匹配，将两个表的数值列横向合并：

final_df = df1_melted.merge(df2_melted, on=['date', 'Name'], how='inner')

• how='inner'：只保留两个DF都存在的date+Name组合；如果需要保留所有组合，改用how='outer'。

最终结果 #

得到的final_df结构如下：

替代方法（无需先melt） #

如果不想先做melt，也可以先给列加前缀再合并，最后转成目标格式：

# 给列名加前缀区分来源
df1_renamed = df1.add_prefix('DF1_')
df2_renamed = df2.add_prefix('DF2_')

# 按索引合并
combined = df1_renamed.join(df2_renamed).reset_index()

# 转长表后拆分列名，再转回宽表
combined_melt = combined.melt(id_vars='date', var_name='source_name', value_name='value')
combined_melt[['source', 'Name']] = combined_melt['source_name'].str.split('_', expand=True)
final_df = combined_melt.pivot(index=['date', 'Name'], columns='source', values='value').reset_index()
final_df.columns = ['date', 'Name', 'DF1_value', 'DF2_value']

内容的提问来源于stack exchange，提问作者complog