在Pandas中如何连接无相同列的多个DataFrame？含三表场景

当然没问题啦！在Pandas里连接这种列不完全一致的多个DataFrame完全可行，我结合你说的场景（a和b有共同列、b和c有共同列）给你拆解清楚具体做法～

一、横向合并（基于共同列关联，类似SQL JOIN） #

这种场景下咱们可以一步步两两合并：先把a和b合并好，再把合并后的结果和c合并就行，核心用pd.merge()方法搞定。

先搞几个示例DataFrame方便演示： #

import pandas as pd

# DataFrame a：包含id、name、age列
a = pd.DataFrame({
    'id': [1, 2, 3],
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
})

# DataFrame b：和a共享id列，新增city、salary列
b = pd.DataFrame({
    'id': [1, 2, 4],
    'city': ['New York', 'London', 'Paris'],
    'salary': [5000, 6000, 7000]
})

# DataFrame c：和b共享id列，新增job、experience列
c = pd.DataFrame({
    'id': [1, 3, 4],
    'job': ['Engineer', 'Teacher', 'Designer'],
    'experience': [5, 8, 3]
})

第一步：合并a和b #

咱们基于共同的id列合并，默认是内连接（只保留两边都有的id），你也可以用how参数指定左/右/外连接，比如要保留所有id的话就用how='outer'：

ab_merged = pd.merge(a, b, on='id', how='outer')

第二步：把合并结果和c再合并 #

同样基于id列，这里我用外连接来保留所有存在的id数据：

final_merged = pd.merge(ab_merged, c, on='id', how='outer')

合并后的结果会包含三个DataFrame的所有列，缺失的数据会自动用NaN填充，完美保留所有关联关系～

二、纵向拼接（按行堆叠，类似SQL UNION） #

如果你的需求是把三个DataFrame按行堆起来（不管列一不一致），直接用pd.concat()就行，它会自动对齐列，缺的列填NaN。

示例代码： #

final_concat = pd.concat([a, b, c], ignore_index=True)

• ignore_index=True是用来重置行索引的，避免原索引重复混乱；
• 如果只想保留三个DataFrame都有的列，加个join='inner'参数就行：

final_concat_inner = pd.concat([a, b, c], ignore_index=True, join='inner')

这样结果就只会保留三个表都有的id列啦。

几个实用小提醒 #

• 合并时要明确连接键：如果有多个共同列，可以传列名列表，比如on=['id', 'name']；
• 选对连接类型：根据需求选内连接（只留交集）、左/右连接（保留某一边全部数据）或外连接（保留所有数据）；
• 处理重复列名：如果合并后出现重名列（比如a和b有同名但不同含义的列），用suffixes参数区分，比如pd.merge(a, b, on='id', suffixes=('_from_a', '_from_b'))。

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