如何在 Pandas 中基于公共列的并集横向合并多个 DataFrame
本文介绍使用 pd.concat() 沿列方向（axis=1）合并多个 dataframe 的标准方法：先重命名列避免冲突，再以公共键（如 id）为索引对齐，自动实现全外连接效果，生成带层级或前缀的宽表结构。 在数据处理中，把多个表按一个公共列“横向拼起来”是个高频场景。比如，不同来源的数据都是以
本文介绍使用 pd.concat() 沿列方向（axis=1）合并多个 dataframe 的标准方法：先重命名列避免冲突，再以公共键（如 id）为索引对齐，自动实现全外连接效果，生成带层级或前缀的宽表结构。
在数据处理中，把多个表按一个公共列“横向拼起来”是个高频场景。比如，不同来源的数据都是以 id 为键，但字段各不相同，你想把它们合并成一个宽表，保留所有 id，没有的字段就留空——这其实就是 SQL 里的 FULL OUTER JOIN。
很多人第一反应是用 pd.merge()，但默认的 merge 是按交集对齐，要做全外连接还得额外加参数，而且多个表合并时代码会变得很啰嗦。其实，有更简洁的方式：用 pd.concat() 配合索引对齐。
核心思路就三步：
- 给每个 DataFrame 的列加上前缀，比如
df1_、df2_，避免列名冲突； - 把公共键列设为索引，比如
set_index("id")，这样 pandas 就能基于索引值来对齐行； - 沿列方向拼接：
pd.concat([df1_idx, df2_idx], axis=1)，pandas 会自动执行全外连接（并集），缺失位置填 NaN。
来个完整的例子，一看就明白：
import pandas as pd
# 构造原始数据
df1 = pd.DataFrame({"id": [1, 2, 4], "name": ["a", "b", "c"], "val": [23, 90, 72]})
df2 = pd.DataFrame({"id": [1, 3, 4], "name": ["d", "e", "f"], "val": [88, 12, 11]})
# 步骤1：添加前缀并重命名列
df1 = df1.add_prefix("df1_")
df2 = df2.add_prefix("df2_")
# 步骤2：以 id 列为索引
df1_idx = df1.set_index("df1_id")
df2_idx = df2.set_index("df2_id")
# 步骤3：横向拼接（自动对齐索引）
result = pd.concat([df1_idx, df2_idx], axis=1)
print(result)
输出结果长这样：
df1_name df1_val df2_name df2_val 1 a 23.0 d 88.0 2 b 90.0 NaN NaN 3 NaN NaN e 12.0 4 c 72.0 f 11.0
看，索引 1 和 4 都有数据，2 和 3 则各自缺失了一部分，自动补了 NaN。
✅ 几个关键点值得注意：
- 索引对齐是核心机制：
concat(axis=1)默认按索引标签对齐，天然就是“并集”逻辑，这也是为什么先要把公共列设为索引； - 如果原始数据里有重复的 id，需要提前去重，或者明确指定
join="outer"（默认就是 outer）； - 如果想要更清晰的列结构，可以用
pd.concat(..., keys=["df1", "df2"])生成 MultiIndex 列，然后再通过result.columns = result.columns.map('_'.join)扁平化，这样列名会更规整； - 不推荐用
merge来实现这个需求——merge 本质是笛卡尔式连接，多个表合并时要多次调用，而且全外连接语义的表达远不如 concat 清晰。
这个方法简洁、高效，而且可以轻松扩展到任意多个 DataFrame。可以说，它是 Pandas 中横向构建宽表的标准实践，值得作为日常工具箱里的首选方案。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
