合并DataFrame并重置ID列：问题排查与修正方案

现有数据 #

有两个结构一致的DataFrame：

ID Name  Time
0   0    A   100
1   1    B    70

ID Name  Time
0   0    C    40
1   1    D    90

期望结果 #

合并后重置ID列，使ID从0开始连续递增，得到：

ID Name  Time
0   0    A   100
1   1    B    70
2   2    C    40
3   3    D    90

现有代码及问题 #

编写的代码如下：

big_df = pd.DataFrame()
for i in range(1,3):
    fname = 'test_' + str(i) + '.csv'
    small_df = pd.read_csv(fname, skiprows=[1])
    print(small_df)
    frames = [big_df, small_df]
    big_df = pd.concat(frames) 
    i += 1
big_df.set_index('ID', inplace=True)
print(big_df)

运行后输出为：

Name  Time
ID           
0     A   100
1     B    70
0     C    40
1     D    90

当前问题是ID列重复且未实现连续递增，同时set_index将ID列转为了索引，不符合预期需求。

修正方案 #

以下几种方式均可实现需求：

方法一：合并后重置索引并赋值给ID列 #

直接去掉set_index操作，改用重置默认索引的方式生成连续ID：

big_df = pd.DataFrame()
for i in range(1,3):
    fname = 'test_' + str(i) + '.csv'
    small_df = pd.read_csv(fname, skiprows=[1])
    frames = [big_df, small_df]
    big_df = pd.concat(frames) 
# 重置为从0开始的连续默认索引
big_df = big_df.reset_index(drop=True)
# 将新索引值赋值给ID列
big_df['ID'] = big_df.index
# 调整列顺序（可选，匹配期望结果的列顺序）
big_df = big_df[['ID', 'Name', 'Time']]
print(big_df)

方法二：结合你发现的索引转列方法修正 #

如果已经执行了set_index操作，可以通过以下步骤修正：

# 先重置默认连续索引，丢弃原ID索引
big_df = big_df.reset_index(drop=True)
# 将新索引赋值给ID列
big_df['ID'] = big_df.index
# 调整列顺序（可选）
big_df = big_df[['ID', 'Name', 'Time']]

方法三：合并时直接忽略原索引 #

在concat阶段使用ignore_index=True参数，自动生成连续索引，再赋值给ID列，代码更简洁：

big_df = pd.DataFrame()
for i in range(1,3):
    fname = 'test_' + str(i) + '.csv'
    small_df = pd.read_csv(fname, skiprows=[1])
    # 合并时直接生成连续索引
    big_df = pd.concat([big_df, small_df], ignore_index=True) 
# 将连续索引赋值给ID列
big_df['ID'] = big_df.index
# 调整列顺序（可选）
big_df = big_df[['ID', 'Name', 'Time']]
print(big_df)

内容的提问来源于stack exchange，提问作者mahmood