### 使用 Pandas 合并两个不同行数的 DataFrame 在处理具有不同行数的 Pandas DataFrame 时，可以采用多种方法实现合并操作。以下是几种常见的技术及其适用场景。 #### 垂直合并（按行） 当希望将两个 DataFrame 的行拼接在一起时，可以使用 `pd.concat()` 函数。此函数允许沿指定轴（默认为0，即垂直方向）连接多个 DataFrame。如果两个 DataFrame 列名不完全一致，则会自动填充缺失值为 NaN[^2]。 ```python import pandas as pd # 创建示例 DataFrame df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'A': [5, 6, 7], 'B': [8, 9, 10]}) # 垂直合并 result_vertical = pd.concat([df1, df2], ignore_index=True) print(result_vertical) ``` 上述代码片段展示了如何通过设置参数 `ignore_index=True` 来重置索引编号，从而获得连续的行号。 #### 水平合并（按列） 对于需要横向扩展数据的情况，可利用 `.join()` 或者 `pd.merge()` 方法完成任务。特别是当两表间存在部分相同键值关系时更为有效[^3]。 - **基于共同索引** 如果目标 DataFrames 已经具备匹配好的索引结构，则可以直接调用 `.join()` 实现无缝衔接： ```python import pandas as pd # 定义带索引的数据框 index = ['X', 'Y'] df_left = pd.DataFrame({'key': ['K0', 'K1'], 'A': ['A0', 'A1']}, index=index) df_right = pd.DataFrame({'B': ['B0', 'B1']}, index=['X', 'Z']) # 执行左外联结 joined_result = df_left.join(df_right, how='left') print(joined_result) ``` - **跨字段关联** 当面对无共享索引但拥有公共属性列的情形下，推荐运用 `merge()` 进行精确控制： ```python import pandas as pd left_df = pd.DataFrame({ 'id':[1,2], 'name':['Alice','Bob'] }) right_df = pd.DataFrame({ 'id':[2,3], 'age':[25,30] }) merged_data = pd.merge(left=left_df, right=right_df, on='id', how='outer') print(merged_data) ``` 这里需要注意的是，在执行 merge 操作过程中可以通过调整 `how` 参数来自定义所需类型的联合方式（inner/outer/left/right），进而满足多样化的业务需求。 --- #### 总结说明 无论是何种形式下的 DataFrame 联合动作，都应充分考虑源数据特性以及最终期望达成的效果来选取最合适的工具手段加以实施。同时也要留意可能产生的重复项或是空缺位置等问题以便及时采取相应措施予以解决。