concat默认按列名严格对齐，缺失列填NaN；用join='outer'保留所有列，ignore_index=True重置行索引，按值匹配应改用merge而非concat。

concat 为什么拼不出想要的列对齐效果

直接用 pd.concat([df1, df2]) 拼两个列名不完全一致的 DataFrame，结果里会出现大量 NaN，不是你漏了数据，是 Pandas 默认按列名严格对齐——缺的列就补空。这不是 bug，是设计行为。

常见错误现象：concat 后列数变多、某几列全空、行索引重复但没合并。

• 用 ignore_index=True 重置行索引，避免拼接后索引混乱（尤其当原表索引非 0,1,2… 时）
• 列对齐靠 join='outer'（默认）或 join='inner'：前者保留所有列（缺值填 NaN），后者只留共有的列名
• 如果想强制按位置拼（不管列名），得先统一列名或用 keys + axis=1 横向拼，但横向拼要小心列名冲突

纵向拼表时如何保留原始索引又不重复

比如 df1 索引是 ['A', 'B']，df2 是 ['C', 'D']，直接 concat 后索引变成 ['A','B','C','D'] —— 这没问题；但如果两者都是 [0,1]，默认就会重复，查数据时容易误判。

• 不重置索引：去掉 ignore_index=True，保留原始索引（适合有业务含义的索引）
• 用 verify_integrity=True 提前报错，避免静默覆盖（比如发现重复索引就抛 ValueError: Indexes have overlapping values）
• 真要合并相同索引的行（类似 SQL JOIN），别用 concat，改用 pd.merge() 或 join()

横向拼表（axis=1）的三个关键陷阱

pd.concat([df1, df2], axis=1) 看似简单，实际最容易出错：列名冲突、索引不匹配、隐式广播。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 横向拼默认按索引对齐：df1 索引为 [0,2,4]，df2 为 [0,1,2]，结果只有索引 0 和 2 的行会被保留，4 和 1 行直接丢弃
• 两表同名列会自动加后缀（_x/_y）？不会。concat 不做重命名，直接覆盖（后者胜出），必须手动改列名再拼
• 想让缺失索引位置填 NaN 而不是丢行？加 join='outer'（这是 axis=1 时的默认值，但显式写上更安心）

concat vs merge：什么情况不该用 concat

当你脑子里想的是“按 user_id 合并订单表和用户表”，哪怕两表都有 user_id 列，也别硬套 concat。

• concat 是堆叠（stack），不是关联（relate）——它不理解字段语义，只认索引或列位置
• 需要根据某列值对齐行？用 pd.merge(df1, df2, on='user_id')，支持 left/right/outer 等多种 join 类型
• 想把多个表按同一索引“摞”成宽表，且索引已对齐？concat(..., axis=1) 可以，但务必先 reindex() 或 align() 校验索引一致性

最常被忽略的一点：concat 不检查数据类型兼容性。int 列和 str 列强行拼一起，结果列会变成 object，后续数值计算直接报错。

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！