如何在无列名情况下合并Pandas DataFrame？

问题场景 #

用户创建了两个Pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'col1': [1], 'col2': [4]})
df1 = pd.DataFrame([[5,5]])

直接调用pd.concat([df, df1])合并后，出现多余列，且原int64类型的数据自动转为float64：

col1    col2    0       1
0   1.0     4.0     NaN     NaN
0   NaN     NaN     5.0     5.0

用户期望得到的合并结果为：

col1    col2
0   1        4
0   5        5

解决方案 #

问题根源是df1使用默认列名（0、1），和df的列名（col1、col2）不匹配，pd.concat默认按列名对齐，因此产生不匹配的列和缺失值（缺失值会让整数类型转为浮点型）。以下是两种可行的解决方法：

方法一：给无列名DataFrame指定匹配列名 #

在创建df1时直接复用df的列名，或者事后修改列名，再执行合并：

# 方式1：创建df1时指定列名
df1 = pd.DataFrame([[5,5]], columns=df.columns)
# 方式2：事后修改df1的列名
# df1.columns = df.columns

# 执行合并，可选ignore_index=True重置索引避免重复
result = pd.concat([df, df1], ignore_index=True)

方法二：合并时重构无列名DataFrame的结构 #

直接提取df1的数值，重新构造和df列名一致的DataFrame后合并：

result = pd.concat([df, pd.DataFrame(df1.values, columns=df.columns)], ignore_index=True)

效果验证 #

执行上述任意方法后，得到的结果均符合预期，且数据类型保持为int64：

col1  col2
0     1     4
1     5     5

内容的提问来源于stack exchange，提问作者s510