如何拼接含重复索引、列数不同的DataFrame字典？

可以直接使用pandas的pd.concat()函数处理这个需求，它会自动对齐所有DataFrame的列，缺失列自动填充为NaN，同时可重置索引生成连续编号。

步骤示例 #

1. 准备你的DataFrame字典
2. 使用pd.concat()合并所有DataFrame，开启ignore_index=True重置索引
3. （可选）将新索引转为名为idx的列，匹配期望输出格式

代码实现 #

import pandas as pd

# 构建示例DataFrame（替换为你的实际数据）
df1 = pd.DataFrame({'col1': [1, 2], 'col2': [1, 2], 'col3': [1, 2]})
df2 = pd.DataFrame({'col1': [1, 2], 'col3': [1, 2]})
df3 = pd.DataFrame({'col1': [1, 2], 'col2': [1, 2], 'col3': [1, 2]})

# 存放DataFrame的字典
df_dict = {"df1": df1, "df2": df2, "df3": df3}

# 合并并重置索引
combined_df = pd.concat(df_dict.values(), ignore_index=True)
# 将索引转为显式的idx列
combined_df = combined_df.reset_index(names="idx")

print(combined_df)

输出结果 #

idx  col1  col2  col3
0    0     1   1.0     1
1    1     2   2.0     2
2    2     1   NaN     1
3    3     2   NaN     2
4    4     1   1.0     1
5    5     2   2.0     2

关键说明 #

• pd.concat(df_dict.values())：自动收集所有DataFrame的列，缺失列填充为NaN，完成纵向拼接
• ignore_index=True：丢弃原DataFrame的重复索引，生成从0开始的连续新索引
• reset_index(names="idx")：将新索引转换为显式的idx列，完全匹配期望的输出格式

内容的提问来源于stack exchange，提问作者Sherwin R