Python pandas中如何拼接两个DataFrame？标签编码列与原表合并方法

两个DataFrame行数完全一致、行顺序一一对应（标签编码过程未打乱行序）的前提下，最简单的实现方式是按列拼接：

1. 核心方法用pandas.concat，指定轴向为列（axis=1）即可，代码示例如下：

import pandas as pd

# 模拟原始DataFrame
df_original = pd.DataFrame({
    'age': [32, 25],
    'salary': [3000, 2300]
})

# 模拟标签编码后的DataFrame
df_encoded = pd.DataFrame({
    'country': [1, 4],
    'gender': [1, 2]
})

# 按列拼接完成合并
df_merged = pd.concat([df_original, df_encoded], axis=1)

执行后df_merged就是你需要的目标结果。

补充优化建议 #

• 如果担心行序错位，可使用join方法按索引对齐拼接，效果和上述方法一致：

  df_merged = df_original.join(df_encoded)
  

• 如果原始数据本身就包含country、gender分类列，不需要拆分DataFrame再合并，可以直接在原DataFrame上生成编码列，更高效：

  from sklearn.preprocessing import LabelEncoder
  le = LabelEncoder()
  # 直接给原df更新编码后的列
  df_original['country'] = le.fit_transform(df_original['country'])
  df_original['gender'] = le.fit_transform(df_original['gender'])
  

内容的提问来源于stack exchange，提问作者RasK