R语言合并数量不定的多个同维度dataframe的实现方法

核心原则：永远不要动态创建a1、a2……an这类零散的独立变量，这类写法从根源上就会导致你每次数量变化都要改硬编码逻辑，用容器统一存储所有DataFrame就能一次写代码适配任意数量的处理需求。

具体实现方法 #

所有待处理的DataFrame统一存入列表（需要自定义名称映射的场景用字典），后续合并、加工逻辑全基于容器遍历实现，完全不需要关心容器里到底有多少个DataFrame。

1. 批量加载/生成DataFrame时直接存入容器 #

不要给每个DataFrame单独赋值给独立变量，循环处理时直接把结果塞进容器即可：

import pandas as pd
import os

# 初始化空列表当容器，不管多少个DataFrame都往里面放
df_container = []

# 举个例子：循环读取文件夹下所有csv文件，文件数量不固定
for file in os.listdir("./data_folder"):
    if file.endswith(".csv"):
        # 读入的临时df直接追加进列表，不用单独命名
        tmp_df = pd.read_csv(f"./data_folder/{file}")
        df_container.append(tmp_df)

如果是零散已经生成好的DataFrame，直接按当前数量一次性放进列表就行，后续合并逻辑不用动：

# 本次场景有4个df就放4个
df_container = [df1, df2, df3, df4]
# 下次场景有6个df就直接加2个进去，后面代码一行都不用改
# df_container = [df1, df2, df3, df4, df5, df6]

如果你需要给每个DataFrame绑定自定义名称方便后续单独调用，把容器换成字典即可：

df_dict = {}
df_dict["user_data"] = pd.read_csv("user.csv")
df_dict["order_data"] = pd.read_csv("order.csv")
# 合并的时候直接取字典的所有值传入即可
merged_df = pd.concat(df_dict.values(), axis=0, ignore_index=True)
# 需要单独取某个df的时候直接按key拿，不用记编号对应关系
print(df_dict["user_data"].head())

2. 统一执行合并/加工逻辑 #

容器存好之后，所有操作都不用再关心DataFrame的具体数量，固定代码就能跑：

• 列数一致、按行纵向拼接（你提到的行列数一致的常见合并场景）

# axis=0代表按行拼接，ignore_index重置行索引，这行代码永远不用改
merged_result = pd.concat(df_container, axis=0, ignore_index=True)

• 行数一致、按列横向拼接

merged_result_col = pd.concat(df_container, axis=1)

• 如果需要给每个DataFrame加来源标记区分数据，直接遍历容器加字段就行，数量变化不影响代码

for idx, df in enumerate(df_container):
    df["data_source"] = f"dataset_{idx+1}"
merged_result_with_tag = pd.concat(df_container, axis=0, ignore_index=True)

为什么不推荐动态生成a1/an这类变量 #

• 动态生成的变量没有统一的遍历入口，后续做加工、合并的时候还要写逻辑去匹配变量名，冗余代码多还容易出bug
• 每次DataFrame数量变化，都要同步改变量生成、变量引用的多处代码，维护成本极高
• 用列表/字典做容器是Python处理批量同类型数据的标准写法，代码简洁，一次编写就能适配3个、5个、10个甚至更多DataFrame的处理场景，完全不用手动调整命名。

内容的提问来源于stack exchange，提问作者Mert Filizay