如何合并两个行数相同的CSV文件列并避免NaN值

哦，我明白你的问题了——你用pd.concat的时候选错了轴参数，导致数据被上下堆叠而不是左右合并，这才出现了大量NaN。因为你的两个数据集行数完全一致，我们只需要把它们按列对齐合并，就能得到没有缺失值的结果。

错误原因分析 #

你之前用的pd.concat([delete, data1], axis=0)中，axis=0是按行方向拼接（把一个DataFrame放在另一个下面）。这样dates.csv的行没有Expected和Predicted列，就会填充NaN；mydata.csv的行没有日期列，同样填充NaN。而你需要的是把每一行的日期和对应的预测值、期望值放在同一行，也就是列方向拼接。

方法一：修改concat的轴参数 #

直接把axis改成1，就能实现左右合并，因为两个DataFrame行数相同，索引会自动对齐：

import pandas as pd

# 先正确读取CSV文件（注意变量名规范）
dates_df = pd.read_csv('dates.csv')
mydata_df = pd.read_csv('mydata.csv')

# 按列合并，ignore_index=False保留原有索引（可选，这里因为行数一致，不影响）
result = pd.concat([dates_df, mydata_df], axis=1)
print(result)

方法二：使用merge按索引合并 #

如果更明确要按行索引对齐，merge也是个好选择：

result = pd.merge(dates_df, mydata_df, left_index=True, right_index=True)

方法三：使用join方法（最简洁） #

join默认就是按索引合并两个DataFrame，代码最简洁：

result = dates_df.join(mydata_df)

验证结果 #

以上三种方法都会得到类似这样的结果（示例）：

完全没有NaN值，每一行的日期和对应数据都正确对应。

小提醒：确保两个CSV的行数确实完全一致，如果有一行差异，还是会出现NaN哦，但你已经确认行数相同，所以没问题。

内容的提问来源于stack exchange，提问作者Revanth Tv