如何用Python Pandas将三个单列CSV文件按行对齐合并？

我是Python新手，遇到了CSV文件合并的问题：现有三个单列CSV文件，分别包含label、timestamp、start列。我尝试使用pd.concat方法执行合并，代码如下：

concate_data = pd.concat([label,timestamp,start])

代码可运行但结果不符合预期，得到的是纵向堆叠的表格，存在大量null值（见下方错误结果）。我需要将三个文件合并为每行label、timestamp、start列均对应有值的格式（见下方期望结果），请问该如何实现？

错误结果 #

期望结果 #

解决方法 #

pd.concat()默认是纵向堆叠（axis=0），所以会把三个表上下拼接，导致大量空值。要实现横向按行对齐合并，只需调整参数即可：

正确代码 #

import pandas as pd

# 读取三个单列CSV文件
label = pd.read_csv('label.csv')
timestamp = pd.read_csv('timestamp.csv')
start = pd.read_csv('start.csv')

# 横向拼接，按行索引对齐
concate_data = pd.concat([label, timestamp, start], axis=1)

# 可选：重置索引
concate_data = concate_data.reset_index(drop=True)

# 输出结果
print(concate_data)

关键说明 #

• axis=1参数指定横向拼接，将三个单列DataFrame按行索引合并成多列，每行的label、timestamp、start会自动对齐。
• 如果三个文件行数不一致，拼接后行数较多的文件会在末尾产生空值，需先确认数据对应关系，必要时用join='inner'参数只保留共同行：

  concate_data = pd.concat([label, timestamp, start], axis=1, join='inner')
  

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