Python中匹配多DataFrame的ID并合并为单一DataFrame的方法

当然有办法实现！这本质上是多DataFrame的外连接合并，并将缺失值填充为0的需求，用Pandas可以轻松搞定，我给你两种常用的实现方式：

方法一：逐步外连接合并（Merge） #

这种方式逻辑清晰，适合逐步合并少量DataFrame：

步骤1：构造示例数据（模拟你的输入） #

先把你的DataFrame转换成标准的Pandas结构（假设每个DataFrame都是ID+数值列的格式）：

import pandas as pd

df1 = pd.DataFrame({'ID': ['1q2', '1q3', '1d4'], 'value': [123, 212, 234]})
df2 = pd.DataFrame({'ID': ['1q1', '1q2', '1q3', '1d4'], 'value': [223, 126, 42, 314]})
df3 = pd.DataFrame({'ID': ['1q2', '1q4', '1d3'], 'value': [923, 121, 423]})

步骤2：重命名数值列（区分来源） #

为了合并后能清楚识别每个列对应哪个原始DataFrame，给数值列重命名：

df1 = df1.rename(columns={'value': 'df1'})
df2 = df2.rename(columns={'value': 'df2'})
df3 = df3.rename(columns={'value': 'df3'})

步骤3：外连接合并并填充0 #

使用merge做outer join（保留所有ID），再用fillna(0)把缺失值替换为0，最后转换为整数类型：

# 先合并df1和df2，再合并df3
df_merged = df1.merge(df2, on='ID', how='outer').merge(df3, on='ID', how='outer')
# 填充缺失值为0，并确保数值是整数
dfans = df_merged.fillna(0).astype({'df1': int, 'df2': int, 'df3': int})

print(dfans)

输出结果：

ID  df1  df2  df3
0  1q2  123  126  923
1  1q3  212   42    0
2  1d4  234  314    0
3  1q1    0  223    0
4  1q4    0    0  121
5  1d3    0    0  423

方法二：索引对齐合并（Concat） #

如果需要合并的DataFrame数量较多，这种方式更紧凑，利用索引自动对齐的特性：

import pandas as pd

# 构造示例数据（同上）
df1 = pd.DataFrame({'ID': ['1q2', '1q3', '1d4'], 'value': [123, 212, 234]})
df2 = pd.DataFrame({'ID': ['1q1', '1q2', '1q3', '1d4'], 'value': [223, 126, 42, 314]})
df3 = pd.DataFrame({'ID': ['1q2', '1q4', '1d3'], 'value': [923, 121, 423]})

# 将每个DataFrame的ID设为索引，并重命名数值列
df_list = [
    df1.set_index('ID').rename(columns={'value': 'df1'}),
    df2.set_index('ID').rename(columns={'value': 'df2'}),
    df3.set_index('ID').rename(columns={'value': 'df3'})
]

# 按列合并，填充缺失值为0，最后重置索引恢复ID列
dfans = pd.concat(df_list, axis=1).fillna(0).astype(int).reset_index().rename(columns={'index': 'ID'})

print(dfans)

这个方法的输出和方法一完全一致，代码更简洁，适合批量合并场景。

关键说明 #

• outer join/索引对齐：确保所有ID都被保留，不管它是否存在于某个原始DataFrame中
• fillna(0)：将合并后缺失的数值（即该ID在对应DataFrame中无记录）替换为0
• astype(int)：合并后缺失值填充0会默认是float类型，转换为整数更符合你的需求

内容的提问来源于stack exchange，提问作者Sam Joe