按轴0的单列合并多个Pandas DataFrames的技术实现

嘿，这个合并需求很清晰，我来给你一个简洁高效的解决方案，完美匹配你的要求！

步骤1：导入必要的模块 #

首先得导入Pandas和用于串联合并操作的reduce工具：

import pandas as pd
from functools import reduce

步骤2：定义你的DataFrames #

先把你给出的几个DataFrame定义好：

df_b3 = pd.DataFrame({'P': ['l1','l3'], 'b3': ['+','+']}, index=[0,1])
df_ka = pd.DataFrame({'P': ['l1','l2','l3'], 'ka': ['+','+','+']}, index=[0,1,2])
df_kb = pd.DataFrame({'P': ['l2','l3'], 'kb': ['+','+']}, index=[0,1])

步骤3：批量合并所有DataFrame #

把所有要合并的DataFrame放进一个列表，然后用reduce逐个执行外连接（outer join）——外连接能确保所有P列的条目都被保留，不管它出现在哪个原始DataFrame里：

# 把所有DataFrame存入列表
dfs = [df_b3, df_ka, df_kb]

# 批量合并，以P列为关联键，保留所有行
merged_df = reduce(lambda left, right: pd.merge(left, right, on='P', how='outer'), dfs)

步骤4：（可选）清理空值 #

合并后，那些在某个DataFrame里没有对应P条目的列会显示NaN，如果你想把这些空值替换成空字符串或者其他标记，可以用fillna：

merged_df = merged_df.fillna('')

最终结果 #

执行完上面的代码后，你会得到这样的结果：

P b3 ka kb
0  l1  +  +   
1  l3  +  +  +
2  l2     +  +

这个结果包含了所有输入列（P、b3、ka、kb），并且每一行都是唯一的P条目记录。

为什么这么做？ #

• reduce帮我们避免了重复写多次merge代码，不管你有多少个DataFrame都能轻松处理
• **外连接（how='outer'）**确保不会丢失任何P列的条目，完美覆盖所有原始数据
• 合并后的结果天然就是唯一行（每个P只出现一次），如果你担心有特殊情况，也可以加一行merged_df = merged_df.drop_duplicates(subset='P', keep='first')来双重确保唯一性

内容的提问来源于stack exchange，提问作者rookie099