如何按列名排序DataFrame并合并多列不一致的Pandas数据集

直接可用的修改代码 #

import pandas as pd

def read_the_files(): 
    dfs = [] 
    for i in range(1,9):
        # 读取CSV，跳过自动生成的冗余索引列，避免Unnamed开头的列
        archivos_csv = pd.read_csv(f"DDFF_{i}.csv", index_col=False)
        # 可选：提前清理冗余列（如果读取后仍有Unnamed列）
        archivos_csv = archivos_csv.drop(columns=[col for col in archivos_csv.columns if col.startswith('Unnamed')])
        dfs.append(archivos_csv) 
    
    # 纵向合并，自动按列名对齐，缺失值填充NaN，重置行索引
    df_unido = pd.concat(dfs, ignore_index=True)
    
    # 按列名字母顺序排序，让结果更整洁（可选）
    df_unido = df_unido.sort_index(axis=1)
    
    return df_unido

result = read_the_files()

关键说明 #

1. 自动列名对齐机制
   Pandas的pd.concat()默认纵向合并（axis=0）时，会自动根据列名匹配不同DataFrame的列，某个文件没有的列会自动填充NaN，完全不需要手动提前调整列顺序。你之前遇到的“结果错误”，几乎都是因为CSV文件里带了冗余的索引列（比如Unnamed:0、Unnamed:0.1）——这些是之前保存DataFrame时没加index=False导致的，用index_col=False读取即可避免。

2. 按列名排序DataFrame
   要按列名而非行值排序DataFrame，直接调用df.sort_index(axis=1)：

   • axis=1表示对列索引排序（按列名字母顺序）
   • axis=0是默认值，对行索引排序

3. 进阶优化建议

   • 统一列名：如果不同文件里的同含义列名不同（比如A文件叫province，B文件叫state），先手动映射列名再合并，比如archivos_csv.rename(columns={'state':'province'}, inplace=True)
   • 检查合并结果：用print(df_unido.columns)查看所有列，用df_unido.info()统计每列的非空值数量，确认合并是否符合预期

内容的提问来源于stack exchange，提问作者larrymvj