多个dataframe 有多个相同名称的列如何合并成一个dataframe

当多个DataFrames具有相同的列名时，可以采取以下步骤来合并它们：

1. **使用 `pd.concat()` 函数**[^1]:

   combined_df = pd.concat([dataframe1, dataframe2, dataframe3], axis=1)

这里，`axis=1` 表示沿列方向（即按列）进行合并。

2. **考虑列名重复的情况**:
如果列名不希望保留原有顺序或想通过索引来区分，可以先重命名列再合并：

   dataframes = [df.rename(columns={'old_column_name': f'dataframe{i}_column_name'}) for i, df in enumerate([dataframe1, dataframe2, dataframe3])]
   combined_df = pd.concat(dataframes, ignore_index=True)

3. **如果列名不同但需要特定字段组合**:
可以创建新的列名并合并对应的数据：

   columns_to_combine = ['column_name1', 'column_name2']
   combined_data = {col: [df[col] for df in (dataframe1, dataframe2, dataframe3)] for col in columns_to_combine}
   combined_df = pd.DataFrame(combined_data)

4. **处理缺失值**:
如果合并过程中可能出现缺失值 (`NaN`)，可以使用 `fillna()` 或 `dropna()` 方法处理：

   combined_df = combined_df.fillna(value='N/A')  # 或者combined_df.dropna(subset=['column_name']) if只想删除含有缺失值的行

5. **保存到Excel**[^2]：
合并后的DataFrame也可以一次性写入Excel文件，比如：

   combined_df.to_excel('result.xlsx', sheet_name='combined_data', index=False)

相关问题--:
1. 如何避免在合并时丢失原始DataFrame的索引信息？
2. 当列名完全一致且不想改变时，如何合并而不覆盖原有数据？
3. 怎样在合并时只选择某些列进行操作？