如何无分隔符快速将多个DataFrame写入单个文本文件？

嘿，我刚好处理过类似的需求！你说的没错，to_csv确实没法直接设置空分隔符，不过咱们可以换个思路，直接生成每行无分隔符的字符串再写入，这样速度还更快。

核心思路 #

既然需要把每行的列直接拼接成无分隔符的字符串，那咱们可以先把每个DataFrame的每行转换成拼接后的字符串，再批量写入文件——避免逐行循环的低效操作。

最快实现方案（两种可选） #

方案1：Pandas原生方法（代码简洁）

如果你的DataFrame规模不算特别大，用Pandas的apply就能搞定，代码可读性高：

import pandas as pd

# 把你的5个DataFrame放到列表里，方便循环处理
dfs = [df1, df2, df3, df4, df5]

# 打开文件（'w'是覆盖写入，若要追加用'a'）
with open('merged_output.txt', 'w', encoding='utf-8') as f:
    for df in dfs:
        # 处理NaN（可选，根据你的需求决定是否替换为空字符串）
        df_clean = df.fillna('')
        # 每行拼接成无分隔符的字符串
        merged_rows = df_clean.apply(lambda row: ''.join(row.astype(str)), axis=1)
        # 写入文件：去掉索引和表头，直接输出每行内容
        f.write(merged_rows.to_string(index=False, header=False) + '\n')

方案2：Numpy向量化操作（速度更快，适合大数据集）

如果你的DataFrame数据量很大，Numpy的向量化操作比Pandas的apply效率更高，能节省不少时间：

import pandas as pd
import numpy as np

dfs = [df1, df2, df3, df4, df5]

with open('merged_output.txt', 'w', encoding='utf-8') as f:
    for df in dfs:
        # 替换NaN为空字符串（可选）
        df_clean = df.fillna('')
        # 转换为字符串数组，用Numpy批量拼接每行
        str_array = df_clean.astype(str).values
        merged_rows = np.apply_along_axis(''.join, 1, str_array)
        # 批量写入文件
        f.write('\n'.join(merged_rows) + '\n')

为什么这两种方法更快？ #

• 避免了逐行写入文件的IO开销，而是先批量生成所有行的字符串，再一次性写入
• 利用了Pandas/Numpy的批量处理能力，比手动循环每行拼接高效得多

注意事项 #

1. 如果你的DataFrame里有NaN，默认会转换成字符串'NaN'，可以用fillna('')替换为空字符串
2. 如果需要保留表头，去掉header=False即可（不过看你的需求应该不需要）
3. 打开文件时指定encoding='utf-8'可以避免中文乱码问题

内容的提问来源于stack exchange，提问作者ymyook