循环拼接DataFrame遇Plan shapes未对齐错误，求解决方案

这个问题的核心是你完全去掉了哑变量的前缀（prefix=''+prefix_sep=''），导致不同迭代生成的DataFrame列结构无法稳定对齐，而默认参数下get_dummies会用原始列名作为前缀，自然避免了列名冲突和结构不一致的问题。下面给你针对性的解决方案：

一、问题根源拆解 #

当你用prefix=''时，两种情况会触发错误：

• 不同的原始分类列可能生成相同名称的哑列（比如两个不同列都有"yes"这个分类值，最终都会生成名为"yes"的列）；
• 同一分类列在不同迭代中出现了新的分类值，导致生成的哑列数量/列名和df_train不匹配。

这两种情况都会让concat在对齐列时触发形状不匹配的错误。

二、具体解决方案 #

1. 提前固定分类列的所有可能取值（推荐） #

如果能提前知道所有迭代中分类列的全部可能类别，先把列转为Categorical类型并指定所有类别，这样每次get_dummies都会生成一致的列（即使当前df没有某个类别，也会生成对应列并填充0）：

# 假设你有一个分类列"category"，所有可能的取值是['A', 'B', 'C', 'D']
all_possible_cats = ['A', 'B', 'C', 'D']
df['category'] = pd.Categorical(df['category'], categories=all_possible_cats)

# 生成哑变量，此时列结构完全固定
df = pd.get_dummies(df, prefix='', prefix_sep='')

2. 保留极简前缀避免列名冲突 #

如果不想提前固定类别，至少给每个原始分类列加个短前缀，避免不同特征的哑列重名：

# 给每个分类列指定短前缀，比如"category"列用"c"，"status"列用"s"
df = pd.get_dummies(df, prefix_sep='', prefix={'category':'c', 'status':'s'})
# 生成的列名会是cA、cB、sActive、sInactive这类，不会重复

3. 拼接前强制对齐列结构 #

如果既无法提前固定类别，又必须去掉前缀，可以在每次拼接前把新df的列对齐到df_train的列结构：

# 初始化或拼接df_train
if 'df_train' in locals():
    # 获取已有的训练集列名
    train_columns = df_train.columns
    # 对齐新df的列：缺失的列填0，多余的列丢弃
    df_aligned = df.reindex(columns=train_columns, fill_value=0)
    # 执行拼接
    df_train = pd.concat([df_train, df_aligned], axis=0, ignore_index=True, sort=False)
else:
    # 第一次迭代直接初始化
    df_train = df.copy()

为什么默认参数没问题？ #

默认情况下pd.get_dummies会把原始列名作为前缀（比如category_A），这样不同特征的哑列不会重名；即使同一特征出现新分类值，生成的新列也会被concat自动保留，不会触发对齐错误。

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