如何合并不同形状、列名各异的两个DataFrame并新增指定列？

你可以用 pandas 的数据拼接和列处理功能来实现，步骤如下：

步骤说明与代码示例 #

首先假设你的两个 DataFrame 分别叫 df1（3列，含Turtlemint profile_id）和 df2（仅含clientid列），先构造示例数据方便理解：

import pandas as pd

# 示例第一个DataFrame
df1 = pd.DataFrame({
    "Turtlemint profile_id": ["tp_001", "tp_002", "tp_003"],
    "列A": ["值A1", "值A2", "值A3"],
    "列B": [10, 20, 30]
})

# 示例第二个DataFrame
df2 = pd.DataFrame({
    "clientid": ["cl_001", "cl_002"]
})

1. 给第一个DataFrame添加标记列 #

给 df1 新增一列（比如叫业务类型），所有值设为"Life"：

df1["业务类型"] = "Life"

2. 统一列名并提取所需列 #

为了能纵向拼接，把两个DataFrame的ID列改成相同名称（比如都叫用户ID），同时提取需要保留的列：

# 处理df1：提取ID列和标记列，并重命名ID列
df1_processed = df1[["Turtlemint profile_id", "业务类型"]].rename(columns={"Turtlemint profile_id": "用户ID"})

# 处理df2：重命名clientid为统一的ID列名，标记列设为空值（按需调整）
df2_processed = df2.rename(columns={"clientid": "用户ID"})
df2_processed["业务类型"] = pd.NA  # 如果需要给第二个DF加其他标记，直接替换成对应值即可

3. 纵向拼接两个处理后的DataFrame #

用pd.concat()把两个表堆叠起来，重置索引避免重复：

final_result = pd.concat([df1_processed, df2_processed], ignore_index=True)

最终的final_result就是你要的效果：原Turtlemint profile_id的行都带"Life"标记，clientid的行接在下方，标记为空（或你指定的其他值）。

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