pd.concat() + join='inner' 可直接保留所有 dataframe 的列交集，无需手动找公共列；需预处理列名（如去空格、转小写）以避免因大小写或空格差异导致交集为空；若列名语义相同但命名不同，则 concat 不适用，应改用 merge 并显式指定语义交集列。
用 pd.concat() + join='inner' 保留列交集
直接用 pd.concat() 默认会做并集（union），但加 join='inner' 就能只保留所有 DataFrame 都有的列。这是最轻量、最符合“保留交集”需求的做法，不需要手动找公共列或重命名。
常见错误是漏写 join='inner'，结果得到一堆 NaN 列——那是并集行为下的缺失值，不是你想要的交集。
-
pd.concat([df1, df2, df3], join='inner', ignore_index=True)：横向对齐相同列名，丢弃任何一方缺失的列 - 列顺序按第一个 DataFrame 的列顺序排列，后续 DataFrame 中多出的列直接被忽略
- 如果某列在部分 DataFrame 中存在但 dtype 不一致（比如
int64vsfloat64），concat会自动向上兼容（如转成float64），但不会报错
当列名大小写/空格不一致时，先统一列名再交集
真实数据里常有 "user_id" 和 "User_ID" 或 "name " 这类差异，join='inner' 不会自动匹配它们——它严格按字符串相等判断。
必须自己清洗列名，否则交集可能为空或远小于预期。
提示词大师-python版
下载
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
- 推荐预处理：用
df.columns = df.columns.str.strip().str.lower()统一去空格+小写 - 避免用
.replace()或正则暴力替换，容易误伤列内内容；只作用于columns属性 - 检查清洗后是否仍有重复列名（比如两个都叫
"id"），concat会保留第一个，后面的被静默丢弃
需要保留原始列名但只取交集？用 reduce(lambda x, y: x.merge(y, on=list_of_common_cols), dfs)
如果不能改列名（比如下游系统依赖原始命名），又想严格按语义对齐（比如所有表都有 "customer_no" 和 "order_date"，但别名不同），就得先算出真正语义交集列，再显式传给 merge。
这时候 concat 不适用，因为它只认名字，不认含义。
- 先获取公共列名：
common_cols = list(set(df1.columns) & set(df2.columns) & set(df3.columns)) - 确保这些列在各 DataFrame 中可作为合并键（非空、类型兼容）；否则
merge会报ValueError: len(left_on) != len(right_on) -
merge是逐对进行的，顺序影响结果（左连接逻辑），建议用functools.reduce控制流程
性能和内存注意点：交集越小，concat 越快；但 merge 在大数据量下可能爆内存
concat 是纯列对齐，复杂度接近 O(1)，只要列数不多，百万行也秒级完成。而 merge 是笛卡尔式关联，哪怕只两表、只交一列，如果该列重复值多（比如城市名），中间结果可能膨胀数倍。
- 用
df.memory_usage(deep=True).sum()查每张表内存占用，预估合并后规模 - 交集列如果有大量重复值，
merge前先drop_duplicates(subset=common_cols)（如果业务允许） - 实在要
merge又怕内存崩，加suffixes=('', '_right')避免列名冲突，比默认('_x', '_y')更省空间
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！
