如何将字典中各DataFrame指定列追加到另一字典对应DataFrame？

原代码存在4个核心错误，直接触发KeyError: 'a'以及后续潜在报错：

• 初始output是空字典，第一次循环时直接访问不存在的output['a']、output['b']键，是触发当前KeyError的直接原因
• concat是pandas的顶层函数，不是DataFrame对象的实例方法，不能通过df.concat()的形式调用
• 列名引用错误：src[i][a]、src[i][b]中的a/b没有加引号，会被识别为未定义的变量而非列名字符串
• 逻辑错误：output字典的键只有'a'和'b'，不存在和src键对应的整数i键，访问output[i]本身也是非法操作

推荐先收集所有同名列再一次性拼接，避免循环中反复修改DataFrame，执行效率更高：

import pandas as pd

# 原示例src字典构造
src = {}
for i in range(1,4):
    src[i] = pd.DataFrame({'a':[i, 2*i, 3*i], 'b':[10*i, 20*i, 30*i], 'c':[100*i, 200*i, 300*i]})

# 修正后的output构造逻辑
output = {}
# 遍历需要提取的列名
for col in ['a', 'b']:
    # 收集所有src中对应列，按列方向拼接
    output[col] = pd.concat([df[col] for df in src.values()], axis=1)

执行后output字典内容如下：

• output['a']：

a  a  a
0  1  2  3
1  2  4  6
2  3  6  9

• output['b']：

b   b   b
0  10  20  30
1  20  40  60
2  30  60  90

如果需要区分每列的来源，可以在拼接时重命名列，将列名和src的键值绑定：

output = {}
for col in ['a', 'b']:
    col_list = []
    for k, df in src.items():
        tmp_col = df[col].rename(f"{col}_{k}")
        col_list.append(tmp_col)
    output[col] = pd.concat(col_list, axis=1)

此时output['a']的列名会变为a_1/a_2/a_3，可以直观识别数据来自哪个源DataFrame。

内容的提问来源于stack exchange，提问作者David H. J.