使用pd.concat拼接全空DataFrame时如何避免ValueError？

你可以通过前置过滤非空DataFrame的方式实现需求，既不会遗漏真实异常，逻辑也足够简洁：

基础实现（不需要保留字典key作为一级索引） #

# 仅保留非空的DataFrame
valid_dfs = [df for df in dict_of_df.values() if not df.empty]
# 无有效df直接返回空df，否则执行拼接
df = pd.concat(valid_dfs, axis=0) if valid_dfs else pd.DataFrame()

保留原字典key作为拼接后一级索引的实现 #

如果你需要和原pd.concat(dict_of_df)逻辑一致，保留字典key作为结果的一级索引，调整为：

# 过滤非空的键值对
valid_items = [(k, df) for k, df in dict_of_df.items() if not df.empty]
df = pd.concat(dict(valid_items), axis=0) if valid_items else pd.DataFrame()

可复用封装方案 #

建议封装为全局工具函数，后续调用无需重复写校验逻辑：

import pandas as pd

def safe_concat(df_dict: dict, axis: int = 0, **concat_kwargs):
    valid_items = [(k, df) for k, df in df_dict.items() if not df.empty]
    if not valid_items:
        return pd.DataFrame()
    return pd.concat(dict(valid_items), axis=axis, **concat_kwargs)

# 调用方式和原生pd.concat完全一致
df = safe_concat(dict_of_df, axis=0)

方案优势 #

• 不会吞没真实异常：仅在所有输入DataFrame全为空的场景返回空DataFrame，其他拼接异常（如列类型不匹配、索引冲突等）会正常抛出
• 无额外性能开销：过滤逻辑时间复杂度为O(n)，和Pandas原生concat的前置校验成本一致
• 可直接复用：封装为函数后一次编写全局可用，无需每次拼接重复实现校验逻辑

内容的提问来源于stack exchange，提问作者Tunneller