如何对列不同或列数同列名异的Pandas DataFrame进行行绑定？

嘿，这两个都是Pandas日常操作里很常见的拼接需求，我给你拆解清楚：

要实现列不同的DataFrame垂直行绑定，最直接的方法就是用pd.concat()函数，它默认会采用**外连接（outer join）**的方式处理不同列——也就是保留所有列，缺失的部分用NaN填充。

举个实际例子：

import pandas as pd

# 创建两个列不同的DataFrame
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'B': [5, 6], 'C': [7, 8]})

# 执行行绑定，ignore_index=True用来重置行索引，避免重复
combined_df = pd.concat([df1, df2], axis=0, ignore_index=True)

运行后combined_df的结果是：

如果只需要保留两个DataFrame共有的列，可以把join参数设为'inner'，这样就只会保留重叠的列（比如上面例子里的B列）。

这种情况分两种场景，取决于你想要的拼接逻辑：

场景1：按列的位置拼接（不管列名，第一列拼第一列） #

如果两个DataFrame的列数相同，且你希望忽略列名，直接按位置对应拼接，最稳妥的方法是先把第二个DataFrame的列名改成和第一个一致，再执行concat：

import pandas as pd

df1 = pd.DataFrame({'X': [1, 2], 'Y': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})

# 把df2的列名替换成df1的列名
df2.columns = df1.columns

# 执行垂直绑定
combined_df = pd.concat([df1, df2], ignore_index=True)

结果会是：

场景2：按列的含义拼接（指定列名映射） #

如果列名不同但含义对应（比如df1的X对应df2的A，Y对应B），可以手动指定列名映射后再拼接：

# 自定义列名映射
column_mapping = {'A': 'X', 'B': 'Y'}
df2_renamed = df2.rename(columns=column_mapping)

# 拼接
combined_df = pd.concat([df1, df2_renamed], ignore_index=True)

这样就能精准对应你想要的列含义，避免拼接错误。

注意：如果直接不修改列名就执行concat，会因为列名不同而保留所有列，结果会出现大量NaN，这通常不是我们想要的垂直绑定效果。

内容的提问来源于stack exchange，提问作者user14185647