如何动态拼接列数不同的多个DataFrame？

直接用Pandas的pd.concat()函数就能实现你要的动态拼接需求，不需要手动指定列，它会自动处理列的对齐和缺失值填充，完全符合你的逻辑：

核心实现逻辑 #

pd.concat()会自动收集所有待拼接DataFrame的列，生成完整的列集合；对于某个DataFrame缺失的列，对应行自动填充NaN；如果新DataFrame包含主DF没有的列，主DF对应的历史行会自动填充NaN，同时结果中会保留这个新列。

示例代码 #

import pandas as pd

# 主DF1（初始标准DF）
df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# DF2：缺少列C
df2 = pd.DataFrame({
    'A': [10, 11],
    'B': [12, 13]
})

# DF3：包含新列D
df3 = pd.DataFrame({
    'A': [14, 15],
    'B': [16, 17],
    'C': [18, 19],
    'D': [20, 21]
})

# 一次性拼接所有DF，自动处理列对齐
result = pd.concat([df1, df2, df3], ignore_index=True)
print(result)

输出结果 #

A   B     C     D
0   1   4   7.0   NaN
1   2   5   8.0   NaN
2   3   6   9.0   NaN
3  10  12   NaN   NaN
4  11  13   NaN   NaN
5  14  16  18.0  20.0
6  15  17  19.0  21.0

逐步追加的方式 #

如果需要每次追加一个新DF到主DF，同样可以用pd.concat()动态更新：

# 追加DF2到主DF1
df1 = pd.concat([df1, df2], ignore_index=True)
# 再追加DF3到更新后的主DF1
df1 = pd.concat([df1, df3], ignore_index=True)

关键参数说明 #

• ignore_index=True：重置结果的索引，避免原DF的索引重复，根据实际需求选择是否启用。

内容的提问来源于stack exchange，提问作者botafogo