如何将多个DataFrame按Season索引合并至对应正确位置

需求说明 #

你有4个结构相近的DataFrame：

• 均包含Season（作为索引）和FSvalue列
• 每个DataFrame的Season起始值不同
• 需要合并为一个新DataFrame，要求：
  • Season作为第一列
  • 包含4个分别对应原DataFrame的FSvalue列
  • 各FSvalue值与对应的Season行正确匹配

解决方案 #

步骤1：修改读取代码，给列重命名避免冲突 #

先给每个DataFrame的FSvalue列设置唯一名称，防止合并时列名重复：

import pandas as pd

# 读取并处理第一个数据集
df_a = pd.read_csv('xxxFreshSnowperSeason.csv', delimiter=",", dtype={'Season': str, 'FSvalue': float})
df_a = df_a.rename(columns={'FSvalue': 'FS_a'}).set_index('Season')

# 同理处理另外三个数据集，替换文件名和列名后缀
df_b = pd.read_csv('yyyFreshSnowperSeason.csv', delimiter=",", dtype={'Season': str, 'FSvalue': float})
df_b = df_b.rename(columns={'FSvalue': 'FS_b'}).set_index('Season')

df_c = pd.read_csv('zzzFreshSnowperSeason.csv', delimiter=",", dtype={'Season': str, 'FSvalue': float})
df_c = df_c.rename(columns={'FSvalue': 'FS_c'}).set_index('Season')

df_d = pd.read_csv('aaaFreshSnowperSeason.csv', delimiter=",", dtype={'Season': str, 'FSvalue': float})
df_d = df_d.rename(columns={'FSvalue': 'FS_d'}).set_index('Season')

步骤2：合并DataFrame并对齐Season #

使用pd.concat按列合并，自动根据索引（Season）对齐数据：

# 合并所有DataFrame
merged_df = pd.concat([df_a, df_b, df_c, df_d], axis=1)

# 将Season从索引转换为第一列（可选，按需使用）
merged_df = merged_df.reset_index()

结果说明 #

合并后的merged_df会自动对齐所有存在的Season值，某个DataFrame中没有的Season行，对应列会显示NaN，完全符合需求。

内容的提问来源于stack exchange，提问作者tryingnottodiewhilecoding