pandas如何基于索引合并多个DataFrame列并将缺失值填充为0

首先确认所有待合并的DataFrame都已将id列设置为索引，如果还未设置，先对每个df执行如下操作：

# 对所有待合并df都执行一遍该操作
df1 = df1.set_index('id')

方法1：使用concat横向拼接（最简便） #

直接调用pandas的concat函数按列横向拼接，取所有索引的并集，缺失值填充0即可，支持任意数量的DataFrame合并，6个df直接按顺序传入列表就行：

import pandas as pd

all_df = pd.concat(
    [df1, df2, df3, df4, df5, df6],
    axis=1  # 指定按列横向拼接
).fillna(0).astype(int) # 空值填0，转整数避免出现0.0格式的浮点数

参数说明：

• axis=1：指定横向按列拼接，而非纵向按行拼接
• 拼接默认采用外连接逻辑，会自动保留所有df中出现过的id索引，正好匹配需求
• fillna(0)：把匹配不到位置的NaN值替换为0
• astype(int)：如果计数字段都是整数，加这一步可以把填充后的浮点数0.0转为整数0；如果本身有小数计数需求，去掉这步即可

方法2：使用join按索引关联 #

如果习惯用DataFrame的join方法，也可以用如下写法，效果完全一致：

all_df = df1.join(
    [df2, df3, df4, df5, df6],
    how='outer' # 外连接保留所有索引
).fillna(0).astype(int)

效果验证 #

用你给出的示例数据测试：

# 构造示例df
df1 = pd.DataFrame({'cnt1': [10,20,30,10,55,20]}, index=['A000','A001','A002','A010','A050','A317'])
df2 = pd.DataFrame({'cnt2': [10,20,20]}, index=['A000','A010','A316'])
df3 = pd.DataFrame({'cnt3': [20,20]}, index=['A010','A318'])

# 执行合并
all_df = pd.concat([df1, df2, df3], axis=1).fillna(0).astype(int)
print(all_df)

输出结果和预期结构完全一致：

cnt1  cnt2  cnt3
A000    10    10     0
A001    20     0     0
A002    30     0     0
A010    10    20    20
A050    55     0     0
A316     0    20     0
A317    20     0     0
A318     0     0    20

内容的提问来源于stack exchange，提问作者S M Shamimul Hasan