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 int64 vs float64），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。

A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.

调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。

下载

立即学习“Python免费学习笔记（深入）”；

• 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

交集逻辑本身简单，难的是列名“看起来一样但实际不同”——这种隐性不一致，比语法错误更难 debug。