本文介绍如何基于指定的迭代标识（如"1_1"、"2_2"等）从多个dataframe中精准提取行，并沿列方向（axis=1）对齐合并，适用于性能测试数据比对等场景。
在实际数据分析（尤其是系统性能基准测试）中，常需对比不同实验轮次下相同迭代编号（如 1_1, 2_2）的指标（如 IOPS、延迟），但各DataFrame的行顺序、长度及覆盖范围往往不一致。此时，不能直接使用 merge 或 join（因需严格匹配键值），也不能依赖索引位置（因顺序不可靠）；正确做法是：先按用户指定的迭代ID列表对每个DataFrame进行语义对齐（semantic alignment）——即重排行序、补全缺失（设为NaN）、确保输出顺序与目标列表完全一致，再水平拼接。
核心思路分三步：
- 将 'iteration' 列设为索引；
- 使用 .reindex() 按目标ID列表强制重排并对齐（未命中ID自动填充NaN）；
- 重置索引并用 pd.concat(..., axis=1) 横向合并多个对齐后的DataFrame。
以下为完整实现代码：
import pandas as pd
# 示例数据（与问题一致）
df1 = pd.DataFrame({
'iteration': ['1_1', '2_2', '3_3', '4_4', '5_5', '6_6', '7_7', '8_8', '9_9'],
'IOPS': [46090, 12, 49164, 98311, 196604, 249843, 298974, 348108, 397230],
'Latency': [0.7300, 0.0221, 0.1236, 0.1318, 0.2076, 0.1467, 0.1578, 0.1604, 0.1707]
})
df2 = pd.DataFrame({
'iteration': ['1_1', '2_2', '3_3', '4_4', '5_5', '6_6'],
'IOPS': [46074, 12, 49159, 98307, 298976, 397265],
'Latency': [0.6977, 0.0279, 0.1921, 0.2189, 0.2337, 0.2622]
})
# 定义对齐函数：按指定 iteration 列表重排 DataFrame
def align_by_iteration(df, target_iters):
return (df.set_index('iteration')
.reindex(target_iters) # 关键：保持 target_iters 的顺序，缺失行填 NaN
.reset_index() # 恢复 iteration 为普通列
)
# 对两个 DataFrame 分别对齐后横向拼接
df3 = pd.concat([
align_by_iteration(df1, ['1_1', '2_2', '3_3', '9_9']),
align_by_iteration(df2, ['1_1', '2_2', '5_5', '6_6'])
], axis=1)
print(df3)输出结果将严格按输入列表顺序对齐，且列名自动保留原始前缀（无重复列名冲突）：
iteration IOPS Latency iteration IOPS Latency 0 1_1 46090 0.7300 1_1 46074 0.6977 1 2_2 12 0.0221 2_2 12 0.0279 2 3_3 49164 0.1236 5_5 298976 0.2337 3 9_9 397230 0.1707 6_6 397265 0.2622
✅ 关键优势与注意事项：
- 顺序严格保证：.reindex() 确保输出行顺序与 target_iters 列表完全一致，不受原始DataFrame顺序影响；
- 缺失值显式处理：若某ID在源DataFrame中不存在，对应行所有字段为 NaN，便于后续识别数据缺口；
- 可扩展性强：支持任意数量DataFrame，只需将 (df, target_list) 元组传入 starmap 或循环调用 align_by_iteration；
- 避免隐式索引错误：切勿省略 .set_index('iteration') 步骤——直接对原始DataFrame用 .loc[target_list] 会因索引类型不匹配报错；
- 列名管理提示：若需区分来源列（如添加 _df1/_df2 后缀），可在 concat 前使用 add_suffix()，例如 align_by_iteration(...).add_suffix('_A')。
该方法兼顾准确性、可读性与工程鲁棒性，是处理非对称实验数据比对的标准实践。
