Pandas：合并两个DataFrame并统一指定列集合

这问题其实很好解决，你之前尝试的stack()方法更适合处理列转行的场景，而咱们现在需要的是把两个结构逻辑一致但列名不同的表纵向拼接，核心步骤就是先统一列名，再合并。

步骤分解： #

• 分别重命名两个DataFrame的列，让它们对齐成目标的id、time、val
• 用pandas.concat()纵向合并两个处理后的表
• 可选：按id排序，让结果和示例一致

完整代码示例： #

import pandas as pd

# 先创建示例DataFrame
df1 = pd.DataFrame({
    'a_id': [1,2,3],
    'a_time': [100000000, 200000000, 300000000],
    'a_val': ['a','b','c']
})

df2 = pd.DataFrame({
    'b_id': [1,2,3],
    'b_time': [100000000, 150000000, 350000000],
    'b_val': ['d','e','f']
})

# 重命名df1的列
df1_renamed = df1.rename(columns={
    'a_id': 'id',
    'a_time': 'time',
    'a_val': 'val'
})

# 重命名df2的列
df2_renamed = df2.rename(columns={
    'b_id': 'id',
    'b_time': 'time',
    'b_val': 'val'
})

# 合并两个表，重置索引（可选，让索引从0开始连续）
result = pd.concat([df1_renamed, df2_renamed], ignore_index=True)

# 按id排序，得到和示例一致的顺序（可选）
result = result.sort_values(by='id').reset_index(drop=True)

print(result)

输出结果： #

id      time val
0   1  100000000   a
1   1  100000000   d
2   2  200000000   b
3   2  150000000   e
4   3  300000000   c
5   3  350000000   f

这样处理后，结果长度正好是len(df1)+len(df2)，完全符合你的需求～

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