pandas中索引错位是空值主因：merge不校验索引但依赖列对齐，concat保留索引导致对齐失败，算术运算按索引+列名双重对齐，读csv时header误设使索引与数据错位。
merge前不重置索引，会导致键匹配成功但行错位
当你用 pd.merge(df1, df2, on='id') 时，pandas 只校验 on 列的值是否相等，**完全不关心索引**。但如果你误把某张表的 id 设为了索引（比如用 set_index('id')），而另一张表是普通列，merge 就根本找不到该列——它只在列中找，不在索引里找，结果不是报错，而是静默返回全 NaN 或空 DataFrame。
更隐蔽的是：两张表的 id 都是普通列、类型也一致，但其中一张表经过筛选或 concat 后索引不连续（如 [0,1,3,5]），这本身不影响 merge 逻辑，但后续若你用 .loc 或直接切片取数，就可能因索引跳变导致“看着对、实际错”。
- 检查是否误用索引作键：
df1.index.name == 'id'或'id' not in df1.columns就说明它在索引里，得先df1.reset_index() - 合并后验证对齐：用
merged_df['id'].duplicated().any()看是否意外引入重复行（常因索引未重置+多对一匹配） - 生产环境建议：所有参与 merge 的 DataFrame 在调用前统一加
.reset_index(drop=True)，去掉索引干扰
concat时索引保留引发的NaN爆炸
pd.concat([df1, df2]) 默认保留原始索引。如果 df1 索引是 [0,1,2]，df2 是 [0,1,2]，拼出来就有重复索引；如果 df2 是 [3,4,5]，看起来没问题，但一旦你之后用 groupby 或 rolling，pandas 会按索引顺序对齐——而索引断层会让窗口计算跨段失效，间接导致中间出现 NaN。
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 安全做法永远加
ignore_index=True：pd.concat([df1, df2], ignore_index=True) - 需要保留来源标识？用
keys参数：pd.concat([df1, df2], keys=['src_a', 'src_b'])，生成 MultiIndex，比裸索引可控得多 - 别依赖 concat 后的索引做定位：后续操作如
.iloc[5]是安全的，.loc[5]则可能出错——因为loc查索引值，不是位置
索引对齐在算术运算中自动触发NaN，和merge无关但易混淆
这不是 merge 的问题，但新手常把它和合并空值混为一谈：当你对两个 DataFrame 做加减（df1 + df2），pandas 会基于 **行索引和列名双重对齐**。哪怕两表都有 id 列，只要索引不同（比如 df1.index=[0,1]，df2.index=[1,2]），对应行就无法对上，结果就是 NaN。
- 这种 NaN 不是数据缺失，是“对齐失败”——查
df1.index.intersection(df2.index)就能知道有多少行真能对上 - 想绕过对齐？用
df1.values + df2.values（前提是形状一致），但会丢掉行列标签 - 要保留标签又避免 NaN？用
add方法并指定fill_value：df1.add(df2, fill_value=0)
读取CSV时header=None没设，让索引变成“幽灵错位源”
无表头 CSV 被 pd.read_csv('x.csv') 默认当成有表头处理：第一行变列名，第二行起才是数据。结果你的“真实 id 列”被顶到第二行，成了数据行；而 pandas 自动加的整数索引 [0,1,2...] 和你认为的“第1行是id”完全错开。后面无论怎么 merge，键都对不上。
- 确认是否无表头：
len(pd.read_csv('x.csv', nrows=1).columns)如果远大于你预期列数，大概率是 header 错了 - 正确读取：
pd.read_csv('x.csv', header=None)，然后手动命名列：df.columns = ['id', 'name', 'amt'] - 导出时也得配对：
df.to_csv('out.csv', index=False, header=False)，否则再读又错一遍
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
