在for循环中追加列数不同的Pandas DataFrame问题求助

我明白你在处理不同列数的DataFrame追加时遇到的痛点——当列不匹配时直接合并很容易出现缺失值或者报错，尤其是经过转置、列移位这些操作后，结构差异会更明显。咱们一步步来解决这个问题：

第一步：先明确原始DataFrames的结构 #

先把你描述的数据集转换成可运行的Pandas代码，方便后续操作：

import pandas as pd

# 原始单一行数据的DataFrames
df1 = pd.DataFrame({'height': [10], 'color': [25], 'weight': [3], 'speed': [33]})
df2 = pd.DataFrame({'height': [51], 'color': [25], 'weight': [30], 'speed': [33]})
df3 = pd.DataFrame({'height': [51], 'color': [25], 'speed': [30]})  # 缺少weight列

第二步：修正transform_csv_data函数，统一输出结构 #

你的核心需求是给每个DataFrame添加name标识、转置、将name移到第一列，但关键要解决列不统一的问题。下面的函数会确保处理后的每个DataFrame都包含完整的列（缺失列自动补NaN）：

def transform_csv_data(csv_data, name):
    # 1. 添加name列到DataFrame末尾
    csv_data['name'] = name
    
    # 2. 定义所有需要保留的列，确保结构统一（缺失列补NaN）
    required_columns = ['name', 'height', 'color', 'weight', 'speed']
    csv_data = csv_data.reindex(columns=required_columns)
    
    # 3. 转置并调整顺序：先转置，再把name对应的行移到最前面
    transposed_df = csv_data.T
    # 按指定顺序重新排列行（确保name在第一行）
    desired_row_order = ['name', 'height', 'color', 'weight', 'speed']
    transposed_df = transposed_df.reindex(desired_row_order)
    
    # 4. 转置回宽表格式，方便后续追加
    return transposed_df.T.reset_index(drop=True)

第三步：处理并追加所有DataFrames #

现在用上面的函数处理每个DataFrame，再用pd.concat完成追加：

# 处理每个DataFrame
processed_df1 = transform_csv_data(df1, 'df1')
processed_df2 = transform_csv_data(df2, 'df2')
processed_df3 = transform_csv_data(df3, 'df3')

# 追加所有处理后的DataFrames
final_df = pd.concat([processed_df1, processed_df2, processed_df3], ignore_index=True)

print(final_df)

运行后你会得到一个结构统一的结果，其中df3缺失的weight列会自动填充NaN，完全满足追加需求。

关键思路解释 #

你之前遇到问题的核心是处理后的DataFrames列集合不统一，通过reindex方法强制对齐所有列，再进行转置和合并，就能避免列不匹配导致的报错或缺失值混乱。

内容的提问来源于stack exchange，提问作者Young