如何用Pandas合并3个同类小时spread表并修改列名？

需求：有3个结构相似的表格，每个记录24小时的spread数值，需要合并为一个包含4列（含hour列）、25行（含表头）的表格用于对比，同时要修改3个spread列的标题。

步骤1：模拟生成3个结构一致的数据源 #

基于你提供的代码，我们先创建3个同结构的DataFrame：

import pandas as pd

# 小时列表（保留原数据缺失05的情况，如需补全可看文末补充）
hour = ['00', '01', '02', '03', '04', '06', '07', '08', '09', '10',
        '11', '12', '13', '14', '15', '16', '17', '18', '19', '20', '21',
        '22', '23']

# 模拟3组不同的spread数据
spread1 = [27.461988, 2.144416, 0.970719, 0.883571, 1.234078, 0.747148,
           0.660058, 1.025625, 0.660939, 0.600193, 0.412775, 0.503613, 0.468141,
           0.417250, 0.366429, 0.414767, 0.295326, 0.289255, 0.091598, 0.312621,
           0.393910, 0.490924, 0.425078, 1.350392]
spread2 = [26.5, 2.2, 1.0, 0.9, 1.3, 0.8, 0.7, 1.1, 0.7, 0.6, 0.4, 0.5, 0.5,
           0.4, 0.4, 0.4, 0.3, 0.3, 0.1, 0.3, 0.4, 0.5, 0.4, 1.4]
spread3 = [28.0, 2.0, 0.9, 0.8, 1.2, 0.7, 0.6, 1.0, 0.6, 0.5, 0.4, 0.5, 0.4,
           0.4, 0.3, 0.4, 0.3, 0.2, 0.1, 0.3, 0.4, 0.5, 0.4, 1.3]

# 创建3个独立DataFrame
df1 = pd.DataFrame(list(zip(hour, spread1)), columns=['hour', 'spread'])
df2 = pd.DataFrame(list(zip(hour, spread2)), columns=['hour', 'spread'])
df3 = pd.DataFrame(list(zip(hour, spread3)), columns=['hour', 'spread'])

步骤2：横向合并表格 #

以hour为匹配键，用pd.concat横向合并三个表格：

# 将每个表格的hour设为索引，避免合并后重复出现hour列
df1.set_index('hour', inplace=True)
df2.set_index('hour', inplace=True)
df3.set_index('hour', inplace=True)

# 横向合并（axis=1表示按列合并）
merged_df = pd.concat([df1, df2, df3], axis=1)

步骤3：修改spread列标题 #

有两种直接的修改方式：

方法1：批量修改所有列名

直接给合并后的表格赋值新列名，适合一次性定义所有标题：

# 自定义列名，比如按日期区分
merged_df.columns = ['spread_周一', 'spread_周二', 'spread_周三']

方法2：单个修改列名（适合调整部分列）

如果只需要修改某几列，用rename方法：

# 注意：合并后初始列名都是spread，rename会批量修改同名列，所以更适合先给单个df改名再合并
df1.rename(columns={'spread': 'spread_周一'}, inplace=True)
df2.rename(columns={'spread': 'spread_周二'}, inplace=True)
df3.rename(columns={'spread': 'spread_周三'}, inplace=True)
# 再执行合并操作
merged_df = pd.concat([df1, df2, df3], axis=1)

步骤4：还原hour为普通列（可选） #

如果需要把hour从索引变回普通列，执行重置索引：

merged_df.reset_index(inplace=True)

补充：补全缺失的05小时数据 #

如果需要让表格包含完整的00-23小时，先生成完整小时列表再补全：

# 生成00到23的完整小时列表
full_hour = [f"{h:02d}" for h in range(24)]
# 重新创建df并补全缺失数据
df1 = pd.DataFrame(list(zip(hour, spread1)), columns=['hour', 'spread']).set_index('hour')
df1 = df1.reindex(full_hour)  # 补全缺失的05小时，对应值为NaN，可按需填充
# 对df2、df3执行同样操作后再合并

内容的提问来源于stack exchange，提问作者David