如何合并列表中含共同列的多个DataFrame（支持多元素场景）

数据老陈

2026-5-9

合并多个DataFrame（基于共同列a和b）

看起来你需要将一个包含多个DataFrame的列表，基于共同的a和b列进行合并，而且要支持超过两个DataFrame的场景。你的示例中每个DataFrame的(a,b)组内行数一致，内连接后刚好能得到一一对应的结果，完全符合需求。

解决方案：使用`functools.reduce`迭代合并

pd.merge一次只能处理两个DataFrame，而functools.reduce可以帮你把合并操作迭代应用到整个列表上，依次将每个新的DataFrame合并到结果中。

步骤1：导入必要的库

import pandas as pd
from functools import reduce

步骤2：构造示例数据（用于验证）

# 构造df1
df1 = pd.DataFrame({
    'a': [1,1,1,1],
    'b': [2,2,2,3],
    'c': [4,3,6,9]
})

# 构造df2
df2 = pd.DataFrame({
    'a': [1,1,1,1],
    'b': [2,2,2,3],
    'd': [9,11,6,3]
})

# 模拟包含多个DataFrame的列表（比如新增df3）
df3 = pd.DataFrame({
    'a': [1,1,1,1],
    'b': [2,2,2,3],
    'e': [10,20,30,40]
})
dfList = [df1, df2, df3]

步骤3：使用reduce合并所有DataFrame

我们指定on=['a','b']作为连接键，how='inner'确保只保留所有DataFrame中都存在的(a,b)组合：

# 定义合并函数，明确连接键和合并方式
merge_func = lambda left, right: pd.merge(left, right, on=['a','b'], how='inner')

# 迭代合并整个列表
df_final = reduce(merge_func, dfList)

运行后得到的df_final结果如下：

a  b  c   d   e
0  1  2  4   9  10
1  1  2  3  11  20
2  1  2  6   6  30
3  1  3  9   3  40

方法说明

reduce会从列表第一个元素开始，先合并df1和df2得到中间结果，再将中间结果与df3合并，以此类推直到处理完所有DataFrame。
指定on=['a','b']可以确保合并严格基于这两个共同列，避免后续新增同名列时出现意外合并。
how='inner'保证只有在所有DataFrame中都存在的(a,b)组合才会被保留，完全匹配你示例中的需求。

备选方案：行顺序完全对齐时可用

如果你的所有DataFrame行顺序完全一致（即每个索引位置的行对应的a和b值都相同），也可以直接用pd.concat按列拼接：

df_final = pd.concat(dfList, axis=1)
# 去重重复的a、b列
df_final = df_final.loc[:,~df_final.columns.duplicated()]

但这种方法依赖索引对齐，若某个DataFrame行顺序变动，结果会出错，可靠性不如merge方案。

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