为何DataFrame可存NaN，拼接含全NaN的categorical列却触发警告？

核心差异：object vs Categorical #

object是无约束的通用列类型，不管存None还是其他值，拼接时就是简单合并元素，不会校验任何规则。但Categorical是带预定义类别集合的约束型类型：所有非缺失值必须属于这个集合，缺失值（None/NaN）是独立状态，不算任何类别。

警告触发的具体原因 #

你将列转为Categorical后，两个DataFrame的B列类别集合其实并不一致：

• df1的B列存在非None的有效值，转成Categorical时，pandas会自动提取这些有效值作为categories；
• df2的B列全是None，转成Categorical时，因为没有可提取的有效值，会生成空的categories集合。

用pd.concat拼接这两列时，pandas需要统一它们的类别规则。当前版本会自动合并两个类别集合（空集合+df1的类别），但pandas官方已明确：这种隐式合并的行为在未来版本会被修改，后续必须由用户显式指定类别不一致的处理逻辑，因此抛出FutureWarning提前预警。

另外，虽然Categorical允许存储缺失值，但类别不匹配时，缺失值的处理逻辑会存在歧义，这也是警告触发的辅助原因。

验证与解决办法 #

• 可以通过以下代码验证类别差异：

  print(df1['B'].cat.categories, df2['B'].cat.categories)
  

  会看到一个列的categories有有效值，另一个为空。
• 解决方式是拼接前统一两个列的类别，比如：

  # 将df2的B列类别对齐到df1的类别
  df2['B'] = df2['B'].astype('category').cat.set_categories(df1['B'].cat.categories)
  
  # 或者合并两者的类别集合
  combined_cats = df1['B'].cat.categories.union(df2['B'].cat.categories)
  df1['B'] = df1['B'].cat.set_categories(combined_cats)
  df2['B'] = df2['B'].cat.set_categories(combined_cats)
  

  统一类别后再拼接就不会触发警告。

内容的提问来源于stack exchange，提问作者Krishna