如何按顺序合并close_price_df、returns_df和volume_df三个对比DataFrame？

云原生阿岚

2026-8-25

合并三个DataFrame的实现方法

假设你的三个DataFrame（close_price_df、returns_df、volume_df）具有匹配的索引和列结构（比如索引为日期、列为标的代码），可以通过pandas的concat()函数按需求合并，具体方案如下：

纵向拼接（按顺序堆叠数据）
直接将三个DataFrame按顺序上下拼接，适合需要统一查看所有指标数据的场景：
```
import pandas as pd

merged_df = pd.concat([close_price_df, returns_df, volume_df], axis=0)
```
若需要保留原始索引，且允许重复索引，直接使用上述代码即可；如果要重置合并后的索引，添加ignore_index=True参数：
```
merged_df = pd.concat([close_price_df, returns_df, volume_df], axis=0, ignore_index=True)
```

带类型标识的纵向拼接
为了明确区分每行数据所属的原始DataFrame，可以先给每个DataFrame添加类型标识列，再合并：

# 为每个DataFrame添加数据类型标识
close_price_df['data_type'] = '收盘价'
returns_df['data_type'] = '收益率'
volume_df['data_type'] = '成交量'

# 合并并保留索引
merged_df = pd.concat([close_price_df, returns_df, volume_df], axis=0)
# 可选：将类型标识设为二级索引，方便后续筛选
merged_df = merged_df.set_index('data_type', append=True)

横向拼接（按指标并排展示）
如果需要将同一标的的收盘价、收益率、成交量对应展示，可采用横向拼接，生成层级列来区分不同指标：
```
merged_df = pd.concat([close_price_df, returns_df, volume_df], axis=1, keys=['收盘价', '收益率', '成交量'])
```
这种方式会让列分为两层：上层是指标类型，下层是标的代码，便于分类查看和操作。