Pandas如何从多个DataFrame选取指定列合并为新DataFrame

你原有代码运行不符合预期的核心原因：将两个Series对象以列表形式传入pd.DataFrame()时，pandas默认会把列表里的每个元素作为一行数据处理，最终会生成2行4列的结果，和按列拼接的需求完全相反。

以下是两种可直接复用的正确实现方式：

• 方法1：使用pd.concat()按列拼接（通用性最强，支持2个及以上DataFrame的列合并）
  只需要将需要保留的列组成列表，指定拼接轴为列方向（axis=1）即可，代码会自动按行索引对齐数据：

  import pandas as pd
  # 选中需要的列，按列方向拼接
  df = pd.concat([df1['grade'], df2['saving']], axis=1)
  

  运行后得到的结果和你给出的预期结构完全一致。
• 方法2：通过字典映射直接构造新DataFrame（适合列数少的场景，可读性高）
  直接以「列名: 对应列数据」的键值对形式传入字典，就能直接生成目标结构：

  df = pd.DataFrame({
      'grade': df1['grade'],
      'saving': df2['saving']
  })
  

注意：以上两种方法都会自动按原DataFrame的索引匹配行，如果两个原DataFrame的行索引不一致，会自动生成NaN填充缺失的对应行；如果你确定两个表行顺序、索引完全对应，不需要额外做对齐处理。

内容的提问来源于stack exchange，提问作者nerd