Pandas技术问询：列结构不同的多个DataFrame求和合并方法

嘿，我来帮你搞定这个不同列结构DataFrame的合并问题！根据咱们日常处理数据的常见场景，我整理了几种实用的方案，你可以按需挑选：

如果你只是想把两个DataFrame的行从头到尾拼在一起，不管列有没有重叠，这个方案最适合。用pandas的concat()方法就能搞定：

import pandas as pd

# 假设你的两个目标DataFrame是df_a和df_b
df_ab = pd.concat([df_a, df_b], axis=0, ignore_index=True)

• axis=0：指定按行方向合并
• ignore_index=True：重置合并后新DataFrame的索引，避免出现重复索引的问题
• 效果：某个列只在其中一个DataFrame存在时，另一个DataFrame对应的位置会自动填充NaN，最终得到包含所有列的A+B。

如果两个DataFrame有共同的标识列（比如用户ID、订单号），想把对应行的信息匹配合并，就用merge()方法，这也是最常用的关联合并方式：

# 基础操作：按共同列'id'做内连接（只保留两边都存在的键对应的行）
df_ab = pd.merge(df_a, df_b, on='id')

# 要是想保留所有行，哪怕其中一个DataFrame没有对应键，就用外连接
df_ab = pd.merge(df_a, df_b, on='id', how='outer')

# 如果两个DataFrame的键列名不一样（比如df_a是'user_id'，df_b是'id'）
df_ab = pd.merge(df_a, df_b, left_on='user_id', right_on='id')

• how参数可选值：
  • 'inner'：默认，只保留两边键都存在的行
  • 'left'：保留左边df_a的所有行，右边没有对应键的位置补NaN
  • 'right'：保留右边df_b的所有行，左边没有对应键的位置补NaN
  • 'outer'：保留两边所有行，缺失的位置补NaN
• 小技巧：如果有重复列名，用suffixes参数加后缀区分，比如pd.merge(df_a, df_b, on='id', suffixes=('_from_a', '_from_b'))

如果想把两个DataFrame的列横向拼在一起，按行索引对齐，同样用concat()但指定axis=1：

df_ab = pd.concat([df_a, df_b], axis=1)

• 注意：这个方案要求两个DataFrame的行索引是对应的，不然会出现大量NaN；如果只想保留索引重叠的行，可以加join='inner'参数，比如pd.concat([df_a, df_b], axis=1, join='inner')

合并前可以先打印df_a.columns和df_b.columns，明确列的差异，这样能更精准地选择合并方式哦！

内容的提问来源于stack exchange，提问作者SFD