应先统一列名再合并：用映射字典rename()标准化列名（如{"uid":"user_id","id":"user_id"}），加errors="raise"报错提示，再用join="inner"安全拼接，避免outer导致列错位。
用 pd.concat() 时列名不一致怎么办？
直接 pd.concat() 会保留所有列，缺失值填 NaN，但列名冲突或错位容易引发后续计算错误。关键不是“能不能拼”，而是“拼完列是否对得上”。常见场景是读取多个 Excel 表或 API 返回的 JSON，字段名大小写、空格、前缀（如 "user_id" vs "id"）不统一。
实操建议：
- 先用
df.columns.tolist()检查各 DataFrame 的列名，别靠肉眼比对 - 列名差异大时，不要硬拼，先做映射：用字典把不同源的列名统一成标准名，再调用
rename() - 避免用
ignore_index=True掩盖列对齐问题——它只重置行索引，不解决列错位
如何安全地重命名再合并？
重命名不是为了“好看”，是为了让语义相同的列真正对齐。比如三个表都有用户 ID，但分别叫 "uid"、"ID"、"customer_id"，必须统一为 "user_id" 才能正确聚合或去重。
实操建议：
- 建一个标准化映射字典：
col_map = {"uid": "user_id", "ID": "user_id", "customer_id": "user_id"} - 对每个 DataFrame 调用
df.rename(columns=col_map, errors="raise")——加errors="raise"能立刻暴露拼写错误，比静默忽略更可靠 - 合并前用
set(df1.columns) == set(df2.columns)快速验证列名是否完全一致
pd.concat() 的 join 参数选哪个？
默认 join="outer" 是最常用也最安全的选择：它保留所有列，缺失位置补 NaN。但如果你明确知道所有 DataFrame 都该有相同列（只是名字不同），那应该先 rename 再用 join="inner"，否则 outer 会把本该对齐的列拆成多列（比如 "user_id" 和 "uid" 并存）。
实操建议：
- 除非你真需要保留全部列（比如做宽表分析），否则别依赖
outer来“兜底” -
join="inner"要求列名完全一致，所以 rename 必须在 concat 前完成 - 性能上无显著差异，但
inner后数据量可能变小，注意检查是否意外丢列
合并后发现某列全是 NaN 怎么排查？
这不是数据问题，大概率是列名没对齐。比如你以为 "date" 和 "created_at" 是同一列，但没做 rename，concat 后就变成两列，其中一列在其他表里全为空。
实操建议：
- 运行
df.isnull().mean().sort_values(ascending=False)查看每列 NaN 比例，比例接近 1.0 的列就是“孤儿列” - 用
df.columns.to_series().str.lower().value_counts()检查大小写不一致（如"Email"和"email"） - 别急着 drop，先确认该列是否真的该存在——有时候是业务字段缺失，不是技术错位
rename() 没写对，或者漏掉了某个表的列映射。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！
