本文介绍一种结合concat与逐次merge的策略，将多个按月采集的dataframe按id_number对齐，生成宽格式结果表，其中每个income_i列对应第i个月的收入值，缺失值补0。
本文介绍一种结合concat与逐次merge的策略，将多个按月采集的dataframe按id_number对齐，生成宽格式结果表，其中每个income_i列对应第i个月的收入值，缺失值补0。
在处理多期时间序列数据（如月度业务报表）时，常需将多个结构相同、但ID集合有交集或差异的DataFrame整合为统一宽表——既保留所有历史ID，又为每期收入单独建列。核心挑战在于：**既要基于id_number横向对齐（类似left join），又要纵向补全新增ID，并确保非Income字段仅保留首次出现的值**。推荐采用“先归一化主键骨架，再逐期注入数值”的两阶段法，避免嵌套merge带来的索引混乱和性能损耗：
- 构建唯一ID主干表：使用pd.concat()垂直堆叠所有DataFrame，仅保留id_number及非数值维度列（如company、type），通过drop_duplicates('id_number')确保每个ID仅保留首次出现的记录（满足“同ID优先取旧值”要求）；
- 逐期注入Income列：遍历原始DataFrame列表，利用set_index('id_number')['Income'].reindex(..., fill_value=0)实现精准对齐——reindex会自动按目标表的id_number顺序排列，缺失ID补0，完美匹配需求。
以下是完整可运行代码示例：
import pandas as pd
# 构造示例数据
data_22_3 = {'id_number': ['A123', 'B456', 'C789'], 'company': ['Insurance1', 'Insurance2', 'Insurance3'], 'type': ['A', 'A', 'C'], 'Income': [100, 200, 300]}
data_22_4 = {'id_number': ['A123', 'B456', 'D012'], 'company': ['Insurance1', 'Insurance2', 'Insurance1'], 'type': ['A', 'B', 'B'], 'Income': [150, 250, 400]}
data_22_5 = {'id_number': ['A123', 'C789', 'E034'], 'company': ['Insurance1', 'Insurance3', 'Insurance5'], 'type': ['A', 'C', 'B'], 'Income': [180, 320, 500]}
df_22_3, df_22_4, df_22_5 = pd.DataFrame(data_22_3), pd.DataFrame(data_22_4), pd.DataFrame(data_22_5)
dfs = [df_22_3, df_22_4, df_22_5]
# 步骤1：构建ID主干（保留首次出现的company/type）
result = (
pd.concat(dfs, ignore_index=True)
.drop(columns='Income')
.drop_duplicates('id_number')
.reset_index(drop=True)
)
# 步骤2：逐期添加Income_i列
for i, df in enumerate(dfs, start=1):
result[f'Income_{i}'] = (
df.set_index('id_number')['Income']
.reindex(result['id_number'], fill_value=0)
.values # .values确保返回numpy数组，避免索引对齐副作用
)
# 可选：将Income_1重命名为Income以符合习惯
result = result.rename(columns={'Income_1': 'Income'})
print(result)
关键注意事项：
- reindex(..., fill_value=0) 是核心技巧，它比merge更轻量且可控，避免了how='right'或how='outer'引入冗余行；
- .values 后缀强制转换为数组，防止Pandas因索引未对齐导致隐式广播错误；
- 若原始数据中存在重复id_number（同一期多条记录），需预先按业务逻辑去重（如取最大Income），本方案不处理期内重复；
- 扩展性强：只需修改dfs列表和循环逻辑，即可支持任意期数，无需硬编码列名。
该方法兼具清晰性、健壮性与可维护性，是处理此类“ID对齐+时序宽表化”任务的推荐实践。
