如何基于索引合并列表型DataFrame以生成目标DataFrame？

1. 先模拟测试数据（方便复现） #

import pandas as pd

# 构造DF1：包含两个DataFrame的列表
df_a = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df_b = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
DF1 = [df_a, df_b]

# 构造DF2：对应每个DataFrame的标识值
DF2 = ['NY', 'FL']

2. 核心实现代码 #

通过遍历配对DF1和DF2的元素，给每个DataFrame添加目标列，再合并成最终的Main_DF：

方法一：常规循环写法

processed_dfs = []
# 同时遍历DF1里的每个DataFrame和DF2里的对应值
for df, region in zip(DF1, DF2):
    # 给当前DataFrame添加C列，值为对应的region
    updated_df = df.assign(C=region)
    processed_dfs.append(updated_df)

# 合并所有处理后的DataFrame
Main_DF = pd.concat(processed_dfs, ignore_index=True)

方法二：简洁的列表推导式写法

# 一步完成添加列的操作
processed_dfs = [df.assign(C=region) for df, region in zip(DF1, DF2)]
# 合并得到结果
Main_DF = pd.concat(processed_dfs, ignore_index=True)

3. 你之前方法失效的可能原因 #

• 直接用pd.concat合并DF1和DF2：两者维度不匹配（DF1是DataFrame列表，DF2是字符串列表），无法直接对齐合并
• 单独用assign或insert但未循环：只修改了列表里的单个DataFrame，没有遍历处理所有元素
• 使用insert时未指定正确逻辑：比如没循环处理每个DF，或列位置设置错误

4. 最终结果示例 #

运行后Main_DF的结构如下：

A  B   C
0  1  3  NY
1  2  4  NY
2  5  7  FL
3  6  8  FL

内容的提问来源于stack exchange，提问作者Pud