如何在Pandas中自动为df1添加df2独有的空列？

核心思路 #

先自动识别df2中存在但df1没有的列，再将这些列以NaN值添加到df1中，完全保留df1原有数据结构，同时实现列的自动扩展。

代码实现 #

import pandas as pd
import numpy as np

# 1. 提取df2独有的列（df2有但df1没有的列）
df2_unique_cols = df2.columns.difference(df1.columns)

# 2. 给df1添加这些列，值设为NaN
df_new = df1.assign(**{col: np.nan for col in df2_unique_cols})

方案优势 #

• df.columns.difference() 自动计算两个DataFrame列名的差集，无需硬编码列名，未来df2新增列时会自动识别并添加，完全适配需求。
• df.assign() 返回新的DataFrame，不会修改原df1，批量添加指定列时统一设为NaN，匹配df2为空的状态。

为什么之前的方法不适用？ #

• append()：原本用于按行合并，且已被弃用，你的需求是扩展列，场景完全不匹配。
• pd.concat([df1, df2], axis=1)：会合并两个DataFrame的所有列，包括重复的共同列（会出现两次），不符合"只添加df2独有列"的要求。

示例验证 #

假设：

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame(columns=['B', 'C', 'D'])  # 空DataFrame，包含共同列B和独有列C、D

运行代码后，df_new的结构为：

A  B   C   D
0  1  3 NaN NaN
1  2  4 NaN NaN

完美保留df1原有数据，同时添加了df2独有的C、D列，值为NaN。

内容的提问来源于stack exchange，提问作者Alex