如何使用Pandas纵向合并仅部分列相同的两个DataFrame？

这正是pandas.concat()函数的拿手场景！你要的是行方向的垂直堆叠，同时保留两个表的所有列，缺失的位置自动填充空值（Pandas里用NaN表示，和你说的Null是同一个意思）。下面一步步来实现：

1. 先构造示例数据 #

先把你给出的两个表转换成Pandas DataFrame：

import pandas as pd

# 表1数据
df1 = pd.DataFrame({
    'player_name': ['player1', 'player2', 'player3'],
    'points': [27.0, 31.0, 15.0],
    'rebounds': [9.0, 4.0, 10.0],
    'assists': [9.0, 5.0, 1.0]
})

# 表2数据
df2 = pd.DataFrame({
    'player_name': ['player4', 'player5', 'player6'],
    'points': [17.0, 21.0, 26.0],
    'height': ["6'0\"", "6'2\"", "6'5\""],
    'weight': [200, 230, 270]
})

2. 执行拼接操作 #

一行代码就能搞定：

# 垂直拼接两个DataFrame，保留所有列并重置索引
result_df = pd.concat([df1, df2], axis=0, join='outer', ignore_index=True)

3. 参数解释 #

给你拆解一下关键参数的作用：

• axis=0：指定按行方向拼接（把第二个表的行接在第一个表后面），这是默认值，也可以省略不写
• join='outer'：保留两个DataFrame的所有列，共同列自动合并，非共同列的缺失位置填充NaN，这也是默认值
• ignore_index=True：把结果的索引重新从0开始排序，避免出现重复索引（比如两个表原本都有0、1、2的索引），如果不需要重置索引可以去掉这个参数

4. 查看结果 #

运行后打印result_df，得到的结果和你期望的完全一致：

player_name  points  rebounds  assists height  weight
0     player1    27.0       9.0      9.0    NaN     NaN
1     player2    31.0       4.0      5.0    NaN     NaN
2     player3    15.0      10.0      1.0    NaN     NaN
3     player4    17.0       NaN      NaN   6'0"     200
4     player5    21.0       NaN      NaN   6'2"     230
5     player6    26.0       NaN      NaN   6'5"     270

这里的NaN就是Pandas里的空值，和你示例中的Null功能完全一致~

内容的提问来源于stack exchange，提问作者Jane Sully