如何将循环生成的多个Pandas DataFrame合并为单个DataFrame

你当前的循环是在同一个df对象上反复修改New_Name列，每次打印的是整个DataFrame，并没有生成多个独立的子DataFrame。如果要实现你描述的“每个名称对应独立DataFrame再合并”的需求，可以按以下两种方式处理：

方法一：循环生成子DataFrame并存入列表后合并 #

初始化一个空列表，在循环中生成每个名称对应的子DataFrame并添加到列表，最后用pandas.concat()合并所有子DataFrame：

import pandas as pd

df = pd.read_csv("dataframe.csv")
list_of_names = ["name1", "name2", "name3"]  # 修正原代码中name3未加引号的语法错误
sub_dfs = []

for name in list_of_names:
    # 筛选出Name匹配当前名称的行，复制为独立子DataFrame
    filtered_df = df[df['Name'] == name].copy()
    filtered_df['New_Name'] = 1
    sub_dfs.append(filtered_df)

# 合并所有子DataFrame，ignore_index=True重置索引
final_df = pd.concat(sub_dfs, ignore_index=True)
print(final_df)

方法二：直接批量筛选（更高效） #

如果你的需求只是给列表中所有名称对应的行添加New_Name=1并提取这些行，完全不需要循环生成多个DataFrame，直接用isin()批量筛选即可，性能更优：

import pandas as pd

df = pd.read_csv("dataframe.csv")
list_of_names = ["name1", "name2", "name3"]

# 批量筛选Name在列表中的行，复制后设置New_Name列
final_df = df[df['Name'].isin(list_of_names)].copy()
final_df['New_Name'] = 1
print(final_df)

两种方法最终都能得到你想要的合并后DataFrame效果。

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