本文介绍如何从多个长度不一但结构相同的dataframe中提取指定列（如'd'），横向拼接为新dataframe，并支持按行计算均值（自动忽略nan）。
本文介绍如何从多个长度不一但结构相同的dataframe中提取指定列（如'd'），横向拼接为新dataframe，并支持按行计算均值（自动忽略nan）。
在实际数据分析中，常需整合来自不同来源（如实验重复、时间分片或模型输出）的多个DataFrame，并对某关键列进行横向对比与统计。当各DataFrame列名一致但行数不同（例如 df1 有115行、df2 有220行、df3 有90行）时，直接使用 pd.concat(..., axis=1) 并指定 keys 参数是最简洁、高效且语义清晰的解决方案。
核心思路是：提取每份DataFrame中的目标列 → 按列方向（axis=1）拼接 → 自动对齐索引（缺失位置补NaN）→ 支持后续行级聚合（如 .mean(axis=1)）。
以下为完整实现步骤：
✅ 正确做法：使用 pd.concat + keys 实现横向堆叠
import pandas as pd
# 示例数据（实际中替换为你的 df1, df2, ..., dfn）
df1 = pd.DataFrame({'a': [2, 3], 'b': [2, 3], 'c': [2, 3], 'd': [10, 20], 'e': [1, 2]})
df2 = pd.DataFrame({'a': [5, 6, 7, 8, 9], 'b': [5, 6, 7, 8, 9], 'c': [5, 6, 7, 8, 9], 'd': [15, 25, 35, 45, 55], 'e': [3, 4, 5, 6, 7]})
df3 = pd.DataFrame({'a': [7, 8, 9, 10], 'b': [7, 8, 9, 10], 'c': [7, 8, 9, 10], 'd': [12, 22, 32, 42], 'e': [8, 9, 10, 11]})
df4 = pd.DataFrame({'a': [8, 9, 10, 11, 12], 'b': [8, 9, 10, 11, 12], 'c': [8, 9, 10, 11, 12], 'd': [18, 28, 38, 48, 58], 'e': [12, 13, 14, 15, 16]})
# 所有DataFrame组成的列表
dataFrameList = [df1, df2, df3, df4]
# 提取每份DataFrame中的列'd'，并赋予唯一列名 d1, d2, d3, d4...
target_col = 'd'
column_names = [f'{target_col}{i+1}' for i in range(len(dataFrameList))]
extracted_series = [df[target_col] for df in dataFrameList]
# 横向拼接：axis=1 + keys=column_names → 自动生成多级列或扁平列名（取决于版本）
newDataFrame = pd.concat(extracted_series, axis=1, keys=column_names)
print("拼接后的结果（自动对齐，缺失处为NaN）：")
print(newDataFrame)
print("\n每行均值（跳过NaN）：")
print(newDataFrame.mean(axis=1).round(2))? 输出说明：
- 新DataFrame列名为 d1, d2, d3, d4，对应原始各df的'd'列；
- 行索引自动对齐：最长df决定总行数，其余不足处填充 NaN；
- newDataFrame.mean(axis=1) 默认 skipna=True，可直接获得每行有效数值的算术平均。
⚠️ 注意事项与最佳实践
- 列名唯一性：务必通过 keys= 参数显式命名各列，避免默认索引导致列名冲突（如全部为 'd'）；
- 索引对齐逻辑：pd.concat(..., axis=1) 默认按索引对齐（outer join），若原始DataFrame索引无意义，建议统一重置为 range(len(df)) 或确保索引可比；
-
内存效率：对于超大数据集，可考虑生成器表达式替代列表推导式：
pd.concat((df[target_col] for df in dataFrameList), axis=1, keys=column_names)
-
扩展应用：后续可轻松添加标准差、中位数等统计量：
stats_df = newDataFrame.agg(['mean', 'std', 'min', 'max'], axis=1)
该方法简洁、健壮、符合pandas设计哲学，无需手动构造空DataFrame或循环赋值，是处理此类“列提取+横向堆叠”任务的标准范式。
