如果这是您的第一个 Dataframe ：

df1_data = {
    1 : ['peter', 'carl', 'mary', 'hank'],
    2 : ['house', 'horse','apple', 'car']
}
df1 = pd.DataFrame(df1_data)
print(df1)

输出：
这是你的第二个 Dataframe

df2_data = {
    1 : ['mark', 'no',   'red',   'good'],
    2 : ['green','phone','cherry','yes' ]
}
df2 = pd.DataFrame(df2_data)
print(df2)

输出：
您可以按如下方式访问所请求的 Dataframe ：

df = pd.DataFrame()
df[1] = df1[1] + ' ' +df2[1]
df[2] = df1[2] + ' ' +df2[2]
print(df)

输出：

• • csv文件循环：**

现在，如果您有许多csv文件，名称为file1.csv和file2.csv等，您可以将它们全部保存在d中，如下所示：

d = {}
for i in range(1,#N): 
  d[i] = pd.read_csv('.../file'+str(i)+'.csv')
#N is the number of csv files. (because I started from 1, you have to add 1 to N)

然后构建您想要的 Dataframe ，如下所示：

concatenated_df = pd.DataFrame()

for i in range(1,#N):
  concatenated_df[i] = d[1].iloc[:,i] + ' ' + d[2].iloc[:,i] + ...
#N is the number of columns here

如果性能不是问题，可以将pandas.DataFrame.applymap与pandas.Series.add一起使用：

out = df1[[0]].join(df1.iloc[:, 1:].applymap(lambda v: f"{v} ").add(df2.iloc[:, 1:]))

或者，对于大型数据集，可以将pandas.concat与 listcomp 一起使用：

out = (
        df1[[0]]
            .join(pd.concat([df1.merge(df2, on=0)
                                 .filter(regex=f"{p}_\w").agg(" ".join, axis=1)
                                 .rename(idx) for idx, p in enumerate(range(1, len(df1.columns)), start=1)],
                            axis=1))
     )

输出：

print(out)

    0           1             2             3              4
0  b1  peter mark   house green     ash hello     plane band
1  b2     carl no   horse phone    paul spoon  knife goodbye
2  b3    mary red  apple cherry  linda charly  carrot hammer
3  b4   hank good       car yes       herb ok     beer simon

将多个csv文件读入一个DF是一个很常见的答案，也是你问题的第一部分，你可以找到一个合适的答案here。
之后，为了允许您同时对所有文件执行此操作，您可以使用自定义的agg函数进行融化和透视，如下所示：
导入glob导入Pandas作为PD

# See the linked answer if you need help finding csv files in a different directory
all_files = glob.glob('*.csv'))
df = pd.concat((pd.read_csv(f) for f in all_files))

output = df.melt(id_vars='0')
           .pivot_table(index='0', 
                        columns='variable',
                        values='value',
                        aggfunc=lambda x: ' '.join(x))