Pandas多DataFrame行全组合求和列顺序错乱问题求解

列错位的核心原因是pandas Series运算的索引对齐规则和iloc按位置赋值的逻辑冲突：

• 你对整行Series做+运算时，pandas不会按行的位置顺序匹配值，而是按Series的索引（也就是原df的列名）做对齐后再运算。
• 2个Series相加时，因为二者索引完全一致，运算后返回的Series索引顺序和原列顺序相同，所以不会出问题；当叠加到3个及以上Series时，多步运算会触发多次索引并集排序，返回的Series索引（列名）顺序会被打乱，不再是[Name, Attr1, Attr2...Attr44]的原始顺序。
• 你用iloc[count]按位置赋值时，会把顺序错乱的Series值从左到右依次塞进新df的列，最终就会出现Name列偏移、各属性列值错位的问题。

保留原有循环逻辑的前提下，不要整行直接相加赋值，拆分字符串列和数值列，按固定列名匹配赋值，从根源上避免顺序错乱：

# 先固定列顺序，避免初始化时列顺序不确定
target_cols = ["Name"] + [f"Attr{i}" for i in range(1, 45)]
new_df = pd.DataFrame(columns=target_cols)

count = 0
for idx1 in range(df1.shape[0]):
    r1 = df1.iloc[idx1]
    for idx2 in range(df2.shape[0]):
        r2 = df2.iloc[idx2]
        for idx3 in range(df3.shape[0]):
            r3 = df3.iloc[idx3]
            # 单独拼接Name字段
            new_df.loc[count, "Name"] = r1["Name"] + r2["Name"] + r3["Name"]
            # 数值列按列名匹配求和，不依赖顺序
            new_df.loc[count, target_cols[1:]] = (
                r1[target_cols[1:]] + r2[target_cols[1:]] + r3[target_cols[1:]]
            ).values
            count += 1

# 把数值列转回int64类型
new_df[target_cols[1:]] = new_df[target_cols[1:]].astype("int64")

这个改法可以彻底解决列错位问题，但本质还是Python层嵌套循环，当合并的df数量多、单个df行数大时，运行效率会很低。

用pandas原生笛卡尔积+向量化运算替代手动循环，性能比嵌套循环高2~3个数量级，且天然支持任意多个同结构df合并，不会出现列顺序问题：

from functools import reduce
import pandas as pd
import numpy as np

def cartesian_combine(df_list: list[pd.DataFrame]) -> pd.DataFrame:
    # 校验所有df结构一致
    attr_cols = [f"Attr{i}" for i in range(1, 45)]
    for df in df_list:
        assert list(df.columns) == ["Name"] + attr_cols, "输入df结构不匹配"
    
    # 给每个df加临时连接键，同时给同名列加后缀避免重名冲突
    tagged_dfs = []
    for df_idx, df in enumerate(df_list):
        tmp = df.copy()
        tmp.columns = [f"Name_{df_idx}"] + [f"Attr{attr_idx}_{df_idx}" for attr_idx in range(1,45)]
        tmp["_join_key"] = 1
        tagged_dfs.append(tmp)
    
    # 链式全连接生成所有行的笛卡尔组合
    merged = reduce(lambda left, right: pd.merge(left, right, on="_join_key", how="inner"), tagged_dfs)
    merged = merged.drop(columns="_join_key")

    # 构造结果表
    res = pd.DataFrame()
    # Name列为所有来源Name列的字符串拼接
    name_cols = [c for c in merged.columns if c.startswith("Name_")]
    res["Name"] = merged[name_cols].agg("".join, axis=1)
    # 每个属性列为所有来源同序号属性列的和
    for attr_idx in range(1, 45):
        source_cols = [f"Attr{attr_idx}_{df_idx}" for df_idx in range(len(df_list))]
        res[f"Attr{attr_idx}"] = merged[source_cols].sum(axis=1, dtype=np.int64)
    
    return res

# 调用示例：需要合并几个df就往列表里传几个，支持6个df合并的场景
combined_df = cartesian_combine([df1, df2, df3, df4, df5, df6])

这个方案的优势：

• 没有Python层显式行循环，所有运算都是pandas底层实现的向量化操作，数据量越大性能优势越明显
• 列顺序完全由代码显式控制，不会出现错位问题
• 扩展性强，不需要为了合并N个df写N层嵌套循环
• 输出类型稳定，数值列默认就是numpy.int64类型，不需要额外转换

内容的提问来源于stack exchange，提问作者Woodyinho11