python之Pandas合并数据终极指南：pd.concat参数详解

---

一、核心参数快速预览

参数	可选值	默认值	作用描述	决策场景
axis	0/1	0	控制合并方向（行/列）	纵向叠加 vs 横向合并
join	‘inner’/‘outer’	‘outer’	控制索引对齐方式	保留全部数据 vs 仅共有部分
keys	列表/元组	None	创建分层索引标识来源	需要追踪原始数据来源时
ignore_index	bool	False	是否重置索引	需要连续索引时

---

二、axis参数深度解析（方向控制）

示例数据准备

import pandas as pd

df1 = pd.DataFrame({
   
   
    'A': ['A0', 'A1'],
    'B': ['B0', 'B1']
}, index=[0, 1])

df2 = pd.DataFrame({
   
   
    'C': ['C2', 'C3'],
    'D': ['D2', 'D3']
}, index=[1, 2])

纵向堆叠（axis=0）

# 默认纵向合并
result = pd.concat([df1, df2], axis=0)

输出效果：

     A    B    C    D
0   A0   B0  NaN  NaN
1   A1   B1  NaN  NaN
1  NaN  NaN   C2   D2
2  NaN  NaN   C3   D3

横向合并（axis=1）

result = pd.concat([df1, df2], axis=1)

输出效果：

     A    B    C    D
0   A0   B0  NaN  NaN
1   A1   B1   C2   D2
2  NaN  NaN   C3   D3

---

三、join参数行为对比（索引对齐）

场景数据准备

left = pd.DataFrame({
   
   
    'Key': ['K0', 'K1', 'K2'],
    'A': ['A0', 'A1', 'A2']
}, index=['X', 'Y', 'Z'])

right = pd.DataFrame({
   
   
    'Key': ['K2', 'K3', 'K4'],
    'B': ['B2', 'B3', 'B4']
}, index=['Z', 'U', 'V'