如何将存储过程返回的两个同结构数据集指定列合并？

嘿，这个需求其实挺常见的——把结构完全一致的目标值表和实际达成值表，按列配对合并，让每一列的目标值后面紧跟对应的实际值，对吧？我给你理清楚核心思路，再拿两种常用技术栈的示例来说明，你可以直接参考适配：

• 首先确保两个数据集的行、列完全对齐：行标识（hr1/hr2/hr3这类）和列名（A/B/C/D）一一对应，这样才能准确匹配数据
• 给目标数据集（dataset[0]）的每一列，在其右侧插入对应的实际值列（比如A列后加「实际A」）
• 根据行标识（或行索引），把实际数据集（dataset[1]）里的值填充到新插入的列中

假设你的存储过程返回的是DataSet对象，我们可以直接操作DataTable来完成合并：

// 取出两个数据表
DataTable targetTable = dataset.Tables[0];
DataTable actualTable = dataset.Tables[1];

// 先收集原列名，避免遍历过程中修改列集合导致异常
List<string> originalColumns = targetTable.Columns
    .Cast<DataColumn>()
    .Select(col => col.ColumnName)
    .ToList();

// 第一步：给目标表添加所有实际值列
foreach (string colName in originalColumns)
{
    // 列名可以自定义，比如「实际A」，类型要和原列保持一致（这里假设是int，根据实际情况调整）
    targetTable.Columns.Add($"实际{colName}", typeof(int));
}

// 第二步：按行标识匹配并填充数据
// 先把实际表转成字典，方便快速查找对应行（假设行标识列名为「行标识」）
Dictionary<string, DataRow> actualRowMap = actualTable.AsEnumerable()
    .ToDictionary(row => row["行标识"].ToString(), row => row);

foreach (DataRow targetRow in targetTable.Rows)
{
    string rowId = targetRow["行标识"].ToString();
    if (actualRowMap.TryGetValue(rowId, out DataRow actualRow))
    {
        // 填充每个实际值列
        foreach (string colName in originalColumns)
        {
            targetRow[$"实际{colName}"] = actualRow[colName];
        }
    }
    else
    {
        // 如果实际表没有对应行，设置空值或默认值
        foreach (string colName in originalColumns)
        {
            targetRow[$"实际{colName}"] = DBNull.Value;
        }
    }
}

如果你的行是按索引一一对应的（比如dataset[0]的第0行就是dataset[1]的第0行），可以简化成按索引遍历：

for (int i = 0; i < targetTable.Rows.Count; i++)
{
    if (i < actualTable.Rows.Count)
    {
        DataRow actualRow = actualTable.Rows[i];
        foreach (string colName in originalColumns)
        {
            targetTable.Rows[i][$"实际{colName}"] = actualRow[colName];
        }
    }
}

如果用Python处理，可以借助Pandas的强大数据合并能力：

import pandas as pd

# 假设已经将两个数据集转换为DataFrame（根据你的数据源调整转换方式）
target_df = pd.DataFrame(dataset[0])
actual_df = pd.DataFrame(dataset[1])

# 第一步：重命名实际表的列，区分目标值和实际值
actual_renamed = actual_df.rename(
    columns={col: f"实际{col}" for col in actual_df.columns if col != "行标识"}
)

# 第二步：按行标识合并两个表
merged_df = pd.merge(target_df, actual_renamed, on="行标识", how="left")

# 第三步：调整列顺序，让目标列和对应实际列挨在一起
new_column_order = []
for col in target_df.columns:
    new_column_order.append(col)
    if col != "行标识":
        new_column_order.append(f"实际{col}")

final_df = merged_df[new_column_order]

这样处理后，你得到的结果表结构就会是：行标识、A、实际A、B、实际B、C、实际C、D、实际D，完全符合你的需求。

内容的提问来源于stack exchange，提问作者user7422837