合并多Excel抽取的DataFrame指定列时最终表行数受限如何解决

Pandas对DataFrame进行列赋值时遵循索引对齐规则：你第一次给df_final赋值列时，df_final的索引范围就和第一个导入的DataFramedf_i的索引完全一致。后续给df_final赋值其他列时，只会匹配两个对象中同时存在的索引值，新导入列超出原有索引范围的行数据会被直接丢弃，不会自动触发df_final的行数扩展；如果新导入列的行数少于df_final现有行数，缺失位置会自动填充NaN。

这里提供三种不同场景下的常用解决方案：

• 方案1：统一拼接所有目标列（推荐，性能最优）
  读取每个Excel时先抽取出需要的列转为Series，统一存入列表后再用pd.concat按列拼接，自动适配最大行数，缺失位置补NaN。

import pandas as pd

# 存储所有待合并的列
target_cols = []
excel_paths = ["文件1.xlsx", "文件2.xlsx", "文件3.xlsx"] # 替换为你的Excel路径列表

for path in excel_paths:
    df_i = pd.read_excel(path)
    # 抽取指定列，可自定义列名避免冲突
    s = df_i["指定列名"]
    s.name = "自定义列名" # 这里改成你需要的列名
    target_cols.append(s)

# 按列合并得到最终结果
df_final = pd.concat(target_cols, axis=1)

• 方案2：保留逐次赋值逻辑，每次先扩展索引
  如果需要保持你原有逐次赋值的代码结构，每次赋值前先把df_final的索引扩展到当前的最大行数，再进行列赋值。

import pandas as pd

df_final = pd.DataFrame()
all_dfs = [] # 替换为你读取得到的所有单个DataFrame列表

for df_i in all_dfs:
    col_name = "需要的列名"
    # 计算当前需要的最大行数
    max_row = max(len(df_final), len(df_i))
    # 扩展df_final索引，无数据位置补NaN
    df_final = df_final.reindex(range(max_row))
    # 再执行列赋值
    df_final[col_name] = df_i[col_name]

• 方案3：无索引对齐需求时直接补全长度
  如果你不需要保留原始DataFrame的索引，只是要把每列的内容按顺序堆叠，超出其他列长度的部分下方补NaN，可以先把所有列转为列表并补全到相同长度，再构造最终DataFrame：

max_len = max([len(df_i["指定列名"]) for df_i in all_dfs])
data_dict = {}
for df_i in all_dfs:
    col_data = df_i["指定列名"].tolist()
    # 补全到最大长度
    col_data += [pd.NA] * (max_len - len(col_data))
    data_dict["自定义列名"] = col_data

df_final = pd.DataFrame(data_dict)

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