Pandas如何基于索引值合并多个动态长度DataFrame为单个df

问题原因 #

直接调用pd.concat(list_of_dfs)出现索引堆叠错位，是因为concat默认参数axis=0为纵向按行堆叠，不会按索引横向对齐列；使用join无返回列/丢行，通常是未指定连接类型、调用方式错误导致。

方案1：使用pd.concat（最推荐，兼容任意长度df列表） #

拼接时指定横向拼接轴axis=1，默认采用外连接逻辑，自动保留所有唯一索引、缺失位置填充NaN，完全匹配需求：

import pandas as pd

# 构造测试样例
df1 = pd.DataFrame({'x': [2, 3, 4]}, index=[0, 1, 2])
df2 = pd.DataFrame({'y': [1, 2, 2, 3]}, index=[0, 2, 3, 4])
list_of_dfs = [df1, df2] # 可放入任意数量、长度动态变化的df

# 核心合并代码
df_merged = pd.concat(list_of_dfs, axis=1)

执行后输出结果和预期完全一致：

方案2：使用DataFrame.join实现 #

如果习惯用join方法，需要指定连接方式为外连接how='outer'，从列表第一个df开始拼接剩余所有df即可，同样兼容动态长度列表：

df_merged = list_of_dfs[0].join(list_of_dfs[1:], how='outer')

注意事项 #

• 如果待合并的多个df存在重复列名，可传入suffixes参数给重复列加区分后缀，避免列覆盖
• 两种方法默认对匹配不到的位置填充NaN，不需要额外设置缺失值填充逻辑
• 列表内df数量动态增减时不需要修改合并代码，直接更新list_of_dfs内容即可

内容的提问来源于stack exchange，提问作者JPWilson