如何在R中将4个结构相似的Data Frame合并为指定格式？

实现思路 #

• 对每个年份的DataFrame单独处理：重命名产品列为统一的Product，修改Number列为带年份的名称，合并Minimum和Maximum为「Min-Max 年份」格式的列，只保留需要的核心列。
• 将所有处理后的DataFrame按Product列进行匹配合并，得到最终的统一表格。

代码实现（以Python Pandas为例） #

假设你已拥有四个年份的DataFrame，分别命名为df_2018、df_2019、df_2020、df_2021。

1. 编写通用处理函数 #

先写一个可复用的函数，用来标准化处理单个年份的DataFrame：

import pandas as pd

def process_yearly_df(df, year):
    # 重命名「Product 年份」列为统一的Product
    df = df.rename(columns={f"Product {year}": "Product"})
    # 重命名Number列为带年份的名称
    df = df.rename(columns={"Number": f"Number {year}"})
    # 合并Minimum和Maximum为「Min-Max 年份」列
    df[f"Min-Max {year}"] = df.apply(lambda row: f"{row['Minimum']}-{row['Maximum']}", axis=1)
    # 只保留需要的列
    return df[["Product", f"Number {year}", f"Min-Max {year}"]]

2. 处理所有年份的DataFrame #

用上述函数逐个处理每个年份的数据：

df_2018_processed = process_yearly_df(df_2018, 2018)
df_2019_processed = process_yearly_df(df_2019, 2019)
df_2020_processed = process_yearly_df(df_2020, 2020)
df_2021_processed = process_yearly_df(df_2021, 2021)

3. 合并处理后的DataFrame #

因为所有年份的Product内容完全一致，直接按Product列依次合并即可：

final_df = df_2018_processed.merge(df_2019_processed, on="Product")\
                            .merge(df_2020_processed, on="Product")\
                            .merge(df_2021_processed, on="Product")

补充说明 #

• 通用函数可适配任意年份的DataFrame，后续新增年份数据时直接调用即可，无需重复编写处理逻辑。
• 使用merge方法合并能确保即使不同年份DataFrame的Product顺序不一致，也能精准匹配，避免数据错位。
• 如果Minimum或Maximum是数值类型，f-string会自动将其转为字符串，生成X-Y格式的合并内容。

内容的提问来源于stack exchange，提问作者cristi