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
下载
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
立即学习“Python免费学习笔记（深入）”；
- 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。
