Pandas中使用concat(axis=1)执行Inner Join时为何保留animal列？

先把你的代码示例贴出来方便对照：

import pandas as pd

df1 = pd.DataFrame([['a',1],['b',2]], columns=['letter','number'])
df3 = pd.DataFrame([['c',3,'cat'],['d',4,'dog']], columns=['letter','number','animal'])

# 行拼接（axis=0）的inner join结果
pd.concat([df1,df3], join='inner')
# 输出：
#   letter  number
# 0      a       1
# 1      b       2
# 0      c       3
# 1      d       4

# 列拼接（axis=1）的inner join结果
pd.concat([df1,df3], join='inner', axis=1)
# 输出：
#   letter  number letter  number animal
# 0      a       1      c       3    cat
# 1      b       2      d       4    dog

核心问题出在**join参数在不同axis下的作用对象完全不一样**，这是很多人容易踩的坑：

• 当axis=0（默认的行拼接模式）：
  join='inner'是对列名做交集筛选——只保留两个DataFrame都存在的列。df1只有letter和number，df3多出来的animal列不在交集中，所以被丢弃，这和你看到的结果一致。

• 当axis=1（列拼接/横向合并模式）：
  join='inner'的作用对象变成了行索引（index）——只保留两个DataFrame索引完全匹配的行。你的两个DataFrame索引都是[0,1]，所以所有行都被保留。
  而列的处理是直接把两个DataFrame的所有列合并到一起，因为join参数在这里根本不管列的筛选！所以df3的animal列自然会被保留下来。

简单总结一下concat的join参数逻辑：

• axis=0 → 管列：inner取列名交集
• axis=1 → 管行：inner取行索引交集

如果你的需求是在横向合并时，既保留索引匹配的行，又只保留两个DataFrame共有的列，那需要先手动筛选列再拼接，比如：

# 先找出两个DataFrame共有的列
common_columns = df1.columns.intersection(df3.columns)
# 只保留共有列再横向拼接
pd.concat([df1[common_columns], df3[common_columns]], axis=1)

这样输出就只会保留letter和number列了。

内容的提问来源于stack exchange，提问作者user5167712