如何在Pandas中追加列名不同的两个DataFrame并匹配对应列

这个问题在pandas里处理起来其实挺简单的，核心就是先把两个DataFrame的列名对齐，再合并就行。我给你举个具体的例子，一步步拆解操作：

1. 先明确你的DataFrame示例 #

假设我们有两个列名不同但数据含义对应的DataFrame：

import pandas as pd

# 原DataFrame a
a = pd.DataFrame({
    '姓名': ['张三', '李四'],
    '年龄': [25, 30],
    '城市': ['北京', '上海']
})

# 需要追加的DataFrame b，列名是英文
b = pd.DataFrame({
    'name': ['王五', '赵六'],
    'age': [28, 35],
    'city': ['广州', '深圳']
})

2. 建立列名映射关系 #

首先你得清楚b的每一列对应a的哪一列，把这个对应关系做成一个字典——这是关键步骤，告诉程序怎么匹配列：

# 键是b的列名，值是a对应的列名
col_mapping = {'name': '姓名', 'age': '年龄', 'city': '城市'}

3. 重命名b的列，和a对齐 #

用pandas的rename()方法把b的列名改成和a一致的：

b_renamed = b.rename(columns=col_mapping)

4. 合并两个DataFrame #

用pd.concat()把a和重命名后的b合并，记得加上ignore_index=True让合并后的索引重新排序，避免索引重复：

c = pd.concat([a, b_renamed], ignore_index=True)

最终结果 #

运行完上面的代码后，得到的c就是你想要的结果：

姓名  年龄  城市
0  张三  25  北京
1  李四  30  上海
2  王五  28  广州
3  赵六  35  深圳

特殊情况处理 #

• 如果b有a没有的额外列：合并后a的行对应这些列会显示NaN；如果想只保留a原有的列，可以在重命名后加上b_renamed = b_renamed[a.columns]，这样就只取和a匹配的列。
• 如果a有b没有的列：合并后b的行对应这些列同样会显示NaN，这是正常的缺失值逻辑，你可以后续用fillna()填充默认值。

内容的提问来源于stack exchange，提问作者Yogi