如何用Pandas concat替代append实现缺失行写入新DataFrame？

先搞定「筛选df1独有的行」 #

要找出df1中不存在于df2的行，用这两种靠谱方法：

1. merge指示器法（推荐，适合多列场景）

# 左连接两个df，标记每行来源
merged = df1.merge(df2, how='left', indicator=True)
# 只保留df1独有的行，删掉标记列
diff_rows = merged[merged['_merge'] == 'left_only'].drop(columns='_merge')

2. 元组集合判断法（适合列少的简单场景）

# 把每行转成可哈希的元组，对比集合
df1_tuples = df1.apply(tuple, axis=1)
df2_tuple_set = set(df2.apply(tuple, axis=1))
diff_rows = df1[~df1_tuples.isin(df2_tuple_set)]

再用concat生成正确格式的结果 #

如果你的第三个DataFrame是要把这些差异行和已有数据（比如空df或者其他数据集）合并，关键要加ignore_index=True，避免索引混乱导致格式错位：

# 假设target_df是你要最终生成的第三个DataFrame（比如初始为空）
target_df = pd.concat([target_df, diff_rows], ignore_index=True)

之前concat格式不对，大概率是没加这个参数——原df的索引会被保留，拼接后可能出现重复索引、行结构错乱，加ignore_index=True会重置索引，生成连续的行号，和原来append的效果完全一致。

完整示例 #

import pandas as pd

# 示例数据
df1 = pd.DataFrame({'A': [1,2,3], 'B': ['x','y','z']})
df2 = pd.DataFrame({'A': [1,3], 'B': ['x','z']})

# 筛选差异行
merged = df1.merge(df2, how='left', indicator=True)
diff_rows = merged[merged['_merge'] == 'left_only'].drop(columns='_merge')

# 生成第三个DataFrame
target_df = pd.DataFrame(columns=['A','B'])  # 初始空df
target_df = pd.concat([target_df, diff_rows], ignore_index=True)

print(target_df)
# 输出：
#    A  B
# 0  2  y

内容的提问来源于stack exchange，提问作者Lynx