尝试垂直合并两个Pandas DataFrame未正常生效，求解决方法

你的问题出在两个DataFrame的列名完全不匹配，Pandas的pd.concat()默认会按列名对齐数据，所以合并后各自的列只会在自身数据行有值，其余行自动填充NaN。

根据你的需求，分两种情况处理：

情况1：两个DataFrame的列数据是一一对应的 #

如果df2的clx/cly/clz分别对应df1的cl1/cl2/cl3，先重命名df2的列名，再执行垂直合并：

import pandas as pd
df1=pd.DataFrame()
df2=pd.DataFrame()
df1['cl1']=[1,2,3,4,5,3]
df1['cl2']=[2,3,4,5,6,3]
df1['cl3']=[5,4,3,2,1,4]

df2['clx']=[11,2,3,4,5]
df2['cly']=[22,3,4,5,6]
df2['clz']=[55,4,3,2,1]
df2['cla']=[66,4,3,2,1]

# 重命名df2的列，和df1对应列匹配（按需调整对应关系）
df2 = df2.rename(columns={'clx': 'cl1', 'cly': 'cl2', 'clz': 'cl3'})
# 垂直合并，ignore_index重置行索引
merged_df = pd.concat([df1, df2], ignore_index=True)
print(merged_df)

执行后结果会把df2的对应列数据直接追加到df1下方，非对应列（比如cla）会保留，df1的该行cla值为NaN。

情况2：只是单纯堆叠行，不考虑列名对应 #

如果不需要列名对齐，只想把df2的所有行直接加到df1后面，保留所有列，那你当前的结果其实就是正确的堆叠效果。但如果这不是你想要的，说明你需要先统一列名再合并。

另外，如果你不需要df2的额外列（比如cla），可以先删除再合并：

df2 = df2.drop(columns=['cla'])
# 重命名后合并
df2.columns = ['cl1', 'cl2', 'cl3']
merged_df = pd.concat([df1, df2], ignore_index=True)

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