如何拼接循环生成的30个独立pandas DataFrame为单个DataFrame？

嗨，我来帮你搞定这个DataFrame拼接的问题！不管这些data_day是怎么生成的，核心思路都是先把它们集中到一个列表里，再用Pandas的concat()方法一次性合并，具体步骤如下：

步骤1：收集所有每日DataFrame到列表 #

首先，你需要把这30个独立的data_day DataFrame全部放进一个列表里。如果它们的命名是有规律的（比如data_day_1、data_day_2…data_day_30），可以手动逐个添加，或者用循环批量获取：

方式A：手动添加（适合数量不多的情况） #

# 创建空列表用于存储所有每日DataFrame
daily_dfs = []

# 逐个添加每个data_day
daily_dfs.append(data_day_1)
daily_dfs.append(data_day_2)
# ... 中间省略其他27个 ...
daily_dfs.append(data_day_30)

方式B：批量获取（如果命名有规律） #

如果你的data_day是按序号命名的，可以通过globals()或locals()来批量获取变量，避免手动重复输入：

daily_dfs = []
for i in range(1, 31):
    # 根据序号拼接变量名，从全局变量中获取对应的DataFrame
    df_name = f"data_day_{i}"
    daily_dfs.append(globals()[df_name])

步骤2：合并所有DataFrame #

用Pandas的pd.concat()方法把列表里的所有DataFrame合并成一个最终的final_data_day：

import pandas as pd

# 合并列表中的DataFrame，ignore_index=True用于重置合并后的索引，避免重复
final_data_day = pd.concat(daily_dfs, ignore_index=True)

额外优化建议 #

• 确保列名一致：合并前要确认所有data_day的列名完全相同，否则合并后不同列名的部分会填充NaN，影响数据完整性。
• 按日期排序：如果你的数据包含日期列（比如timestamp），合并后可以按日期重新排序，让数据更规整：

  # 假设日期列是'timestamp'，按日期排序并重置索引
  final_data_day = final_data_day.sort_values(by='timestamp').reset_index(drop=True)
  

• 提前收集更高效：如果之后还有类似需求，建议在生成data_day的过程中直接把它添加到列表里，比如在处理每日数据的环节就完成收集，避免事后手动整理：

  daily_dfs = []
  # 假设你有一个包含所有目标日期的列表date_list
  for single_date in date_list:
      # 提取当日数据并生成新特征
      data_day = df[df['timestamp'].dt.date == single_date].copy()
      # 这里添加你的新特征生成代码...
      # 直接将生成的data_day加入列表
      daily_dfs.append(data_day)
  # 最后合并
  final_data_day = pd.concat(daily_dfs, ignore_index=True)
  

内容的提问来源于stack exchange，提问作者Annalix