合并不同列数Pandas DataFrame时报错Plan shapes are not aligned如何解决

问题原因 #

你遇到的ValueError: Plan shapes are not aligned报错，核心是两个DataFrame做轴向拼接时结构无法对齐，常见触发原因有三个：

• 代码中变量名错误，你示例拼接代码写的是[df, df2]，若你的第一个表实际变量名是df1就会触发错误
• 两个DataFrame的列结构存在隐藏不一致（比如某张表有多级列索引、重复列名，或者你示例中df1的最后一行多出来一个值，实际可能存在列数和列名不匹配的问题）
• 低版本pandas对列数不一致的表纵向拼接的兼容性不足

解决方案 #

方案1：补全列结构后拼接（最稳妥） #

先把少列的df2按照df1的列结构补全，缺失列自动填充NaN后再拼接，完全避免对齐问题：

# 给df2补全和df1完全一致的列结构
df2_extend = df2.reindex(columns=df1.columns)
# 纵向拼接
df3 = pd.concat([df1, df2_extend], axis=0, ignore_index=True)

方案2：先校验结构再操作 #

如果执行方案1仍报错，先运行以下代码确认两张表的实际结构是否符合预期，排除列数/列索引异常：

# 输出df1的列名、行列数
print("df1列名：", df1.columns.tolist())
print("df1行列数：", df1.shape)
# 输出df2的列名、行列数
print("df2列名：", df2.columns.tolist())
print("df2行列数：", df2.shape)

如果输出发现存在列名重复、多级索引、列数和预期不符的情况，先修正表结构再执行拼接即可。

方案3：强制数组拼接（极端场景备用） #

如果仅需要数据合并不需要保留原有索引逻辑，可转成numpy数组强制拼接后再转回DataFrame：

import numpy as np
# 拼接数组后转DataFrame，沿用df1的列名
df3 = pd.DataFrame(
    np.vstack([df1.values, df2.reindex(columns=df1.columns).values]),
    columns=df1.columns
)

内容的提问来源于stack exchange，提问作者spcol