如何在Julia中合并含不同列的多个DataFrame？含Base Julia方案

问题背景 #

你尝试用reduce(x -> vcat(x, cols=:union), dfs)合并带不同列的DataFrames时触发MethodError，核心原因是reduce的lambda写法有误，而且其实有更简洁的方式实现需求。下面分两部分解答你的问题：

首先纠正你的写法：reduce的参数需要是一个接收两个参数的函数（前一次合并结果和当前DataFrame），而你只写了单参数的lambda。另外，DataFrames.jl的vcat支持直接传入多个DataFrame可变参数，不用绕reduce，更直观。

正确写法有两种：

方法一：直接用vcat可变参数（推荐）

using DataFrames
df1 = DataFrame([['a', 'b', 'c'], [1, 2, 3]], ["name", "id"])
df2 = DataFrame([['d', 'e', 'f'], [4, 5, 6]], ["name", "id"])
df3 = DataFrame([['x', 'y', 'z'], [7, 8, 9], [11, 22, 33]], ["name", "id", "num"])
dfs = [df1, df2, df3]

# 核心代码：用cols=:union合并所有列，缺失列填充missing
combined_df = vcat(dfs...; cols=:union)

方法二：用reduce正确写法

如果你一定要用reduce，需要传递双参数函数：

combined_df = reduce((acc, df) -> vcat(acc, df; cols=:union), dfs)

两种方法都会得到和R的bind_rows、Python的pd.concat完全一致的结果：name和id列全量保留，num列在df1、df2对应的行填充missing。

如果不想用DataFrames.jl，我们可以用Base Julia的NamedTuple和迭代器来实现类似的合并逻辑，核心思路是：

1. 收集所有数据集中的列名
2. 对每一行数据，补充缺失的列并填充missing
3. 合并所有行成统一结构

代码示例：

# 先把原始数据转换成Base Julia的NamedTuple向量（模拟DataFrame的行结构）
data1 = [(name='a', id=1), (name='b', id=2), (name='c', id=3)]
data2 = [(name='d', id=4), (name='e', id=5), (name='f', id=6)]
data3 = [(name='x', id=7, num=11), (name='y', id=8, num=22), (name='z', id=9, num=33)]
datas = [data1, data2, data3]

# 步骤1：获取所有唯一列名
all_columns = unique(Iterators.flatten(keys.(Iterators.flatten(datas))))

# 步骤2：定义函数，给单行补充缺失列
function fill_missing_columns(row, all_cols)
    # 遍历所有列，存在的取原值，不存在的填missing
    NamedTuple(col => getproperty(row, col, missing) for col in all_cols)
end

# 步骤3：合并所有行
combined_data = collect(Iterators.flatten(
    map(row -> fill_missing_columns(row, all_columns), data) 
    for data in datas
))

最终combined_data是一个包含所有列的NamedTuple向量，你可以像访问DataFrame一样用.语法访问列，比如[row.name for row in combined_data]获取所有name值，和DataFrame的行为一致。

内容的提问来源于stack exchange，提问作者ardaar