Pandas多行数据框匹配单行表头值的无空值合并实现

你之前使用pd.concat([dfA, dfB], axis=1, join='outer')无法得到预期结果，本质是由pandas横向拼接的默认匹配规则决定的：

• 横向拼接时，pandas会严格按照两边数据框的行索引匹配对应位置的值
• 你的场景中，dfA有2行，行索引为[0,1]；dfB只有1行，行索引为[0]
• 拼接时pandas只会给索引为0的行匹配上dfB的列值，索引为1的行因为dfB没有对应索引的记录，会自动填充为NaN，完全达不到“全行复用dfB单行值”的需求。

方案1：索引对齐后再拼接 #

提前把dfB的行索引完全匹配到dfA的索引范围，从根源上消除索引不匹配的问题，再执行拼接。

• 核心代码：

# 对齐dfB的索引，让单行值匹配dfA的所有行索引
dfB_aligned = dfB.set_index([dfA.index])
# 索引完全对齐后执行横向拼接，不会出现空值
merged_df = pd.concat([dfA, dfB_aligned], axis=1)

• 适用场景：需要保留原始拼接逻辑、不改动原dfA数据的场景。

方案2：逐列广播赋值 #

这个方法逻辑最直观，不需要处理复杂的索引规则，直接把dfB的单行值作为固定常量赋值给dfA的新列，全程自动广播匹配所有行。

• 核心代码：

# 遍历dfB的所有列，将对应列的单行值赋值为dfA的新列
for col in dfB.columns:
    dfA[col] = dfB[col].iloc[0]

• 适用场景：中小数据量、列数不多的场景，代码可读性高，执行效率稳定。

方案3：临时键连接匹配 #

通过构造一个双方都具备的固定值临时匹配键，让pandas自动将dfB的单行值和dfA的所有行做等值匹配，得到广播效果。

• 核心代码：

# 给两个数据框加值完全相同的临时匹配键
dfA['_tmp_key'] = 1
dfB['_tmp_key'] = 1
# 按临时键做内连接，匹配完成后删除临时列
merged_df = dfA.merge(dfB, on='_tmp_key', how='inner').drop(columns=['_tmp_key'])

注意：这个方法的匹配结果和前两种完全一致，适合习惯使用merge逻辑处理关联数据的场景。

对应题目给出的示例数据：

1. 输入dfA（2行3列）

   colA	colB	colC
   a0	b0	c0
   a1	b1	c1

2. 输入dfB（1行3列）

   colD	colE	colF
   d0	e0	f0

3. 合并后最终结果（2行6列，无空值）

   colA	colB	colC	colD	colE	colF
   a0	b0	c0	d0	e0	f0
   a1	b1	c1	d0	e0	f0

内容的提问来源于stack exchange，提问作者DieDen