如何将列表内多个DataFrame与主DataFrame批量左连接替代链式merge

你可以通过循环迭代或者functools.reduce两种方式实现可扩展的批量左连接，无需手动写链式合并代码。

方案1：循环迭代（易理解，适合需要自定义中间处理的场景） #

首先提前整理好每个子DataFrame对应的主表连接键列表，key_list的顺序和df_list的子表顺序一一对应：

import pandas as pd

# 准备连接键列表，每个元素对应df_list同位置子表的主表连接键
key_list = ["key_0", "key_1", "key_2"]

# 初始化结果为主表
result = df_main.copy()

# 迭代批量合并
for df, join_key in zip(df_list, key_list):
    # 若子表的键列名固定为`Key`，和主表键名不一致，可替换为如下写法：
    # result = result.merge(df, left_on=join_key, right_on="Key", how="left")
    result = result.merge(df, on=join_key, how="left")

方案2：reduce归并（代码更简洁） #

用functools.reduce实现归并逻辑，一行代码即可完成批量合并：

import pandas as pd
from functools import reduce

key_list = ["key_0", "key_1", "key_2"]

# 归并合并
result = reduce(
    lambda left, right: left.merge(right[0], on=right[1], how="left"),
    zip(df_list, key_list),
    df_main
)

注意优化点 #

如果多个子表的Value列重名，合并后会自动加_x/_y后缀区分，你可以在合并前提前给每个子表的Value重命名避免歧义：

# 合并前批量重命名子表的Value列
for idx, df in enumerate(df_list):
    df.rename(columns={"Value": f"Value_{idx}"}, inplace=True)

内容的提问来源于stack exchange，提问作者eRawox