如何合并多个Pandas DataFrame？多测量数据合并需求求助

嘿，我完全懂你现在的困惑——之前试了好几种合并方法，结果要么行变多了，要么把位置和日期的行列搞反了，对吧？咱们一步步来实现你想要的宽表结构：

核心思路 #

咱们需要先把所有分散的测量数据整合成一个长表，再把它转成宽表（日期作为列），最后和存储位置信息的主表合并，就能得到你要的结果了。

具体步骤&代码示例 #

假设你已经把所有测量用的DataFrame（df2到dfn）放到了一个列表里，比如measurement_dfs = [df2, df3, ..., dfn]，咱们开始：

1. 合并所有测量数据到一个长表
   因为这些测量表的结构完全一致，用pd.concat把它们纵向合并就行：

   import pandas as pd
   
   # 合并所有测量DataFrame
   all_measurements = pd.concat(measurement_dfs, ignore_index=True)
   

2. 把长表转成宽表（日期变列）
   这里用pivot_table来转换，它能稳妥地把Date从行转成列，同时以Location ID为分组依据，对应填充Measurement的值。如果同一个位置+日期有多个测量值，aggfunc='first'会取第一个，你也可以改成'mean'（取平均值）之类的：

   # 转换为宽表：Location ID作为行，日期作为列，值为测量数据
   measurements_wide = all_measurements.pivot_table(
       index='Location ID',
       columns='Date',
       values='Measurement',
       aggfunc='first'
   ).reset_index()  # 把Location ID从索引转回普通列，方便后续合并
   
   # （可选）如果想把日期列名转成你示例里的字符串格式（比如"January 1 12:30"）
   measurements_wide.columns = ['Location ID'] + [col.strftime('%B %d %H:%M') for col in measurements_wide.columns[1:]]
   

3. 和主位置表合并
   用pd.merge把宽表和df1合并，以Location ID为匹配键，用how='left'保证所有位置信息都被保留，没有测量数据的日期会自动填充NaN：

   df_final = pd.merge(
       df1,
       measurements_wide,
       on='Location ID',
       how='left'
   )
   

为什么之前的方法没成功？ #

• append/pd.concat默认是纵向合并行，所以会把所有测量行都加进来，导致行数暴增；
• 直接用merge不先转宽的话，会把每个测量条目都和位置表匹配，同样会产生重复行；
• 如果错误地用了转置，就会把Location ID变成列、日期变成行，和你要的结构完全相反。

这样操作之后，你就能得到和示例里一模一样的df_final啦！

内容的提问来源于stack exchange，提问作者Michiel