python concat函数有何用法？

在Python的数据处理场景中，pandas库的concat函数是实现数据对象合并的重要工具，它可以对Series、DataFrame等数据结构进行灵活的拼接操作，适配多种数据处理需求。

concat函数基本语法

concat函数属于pandas库的顶层函数，基本调用格式如下：

import pandas as pd

# 基本语法
pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

其中最常用的参数有三个：

• objs：需要合并的数据对象序列，通常是列表形式，包含要拼接的Series或DataFrame
• axis：拼接方向，0表示按行拼接（纵向），1表示按列拼接（横向），默认值为0
• join：合并方式，outer表示外连接保留所有数据，inner表示内连接只保留交集部分，默认值为outer

按行拼接DataFrame

按行拼接是concat函数最常见的使用场景，适合将多个结构相同的DataFrame纵向合并为一个。

import pandas as pd

# 创建两个测试DataFrame
df1 = pd.DataFrame({
    'name': ['张三', '李四'],
    'age': [20, 22],
    'score': [85, 90]
})

df2 = pd.DataFrame({
    'name': ['王五', '赵六'],
    'age': [21, 23],
    'score': [88, 92]
})

# 按行拼接，默认保留原索引
result1 = pd.concat([df1, df2])
print(result1)

# 重置索引，避免索引重复
result2 = pd.concat([df1, df2], ignore_index=True)
print(result2)

第一个拼接结果会保留两个原始DataFrame的原有索引，第二个拼接结果通过ignore_index参数重置了索引，索引会从0开始连续排列。

按列拼接DataFrame

将axis参数设置为1就可以实现横向的按列拼接，适合合并不同特征的DataFrame。

import pandas as pd

# 创建两个列不同的DataFrame
df3 = pd.DataFrame({
    'name': ['张三', '李四', '王五'],
    'age': [20, 22, 21]
})

df4 = pd.DataFrame({
    'name': ['张三', '李四', '王五'],
    'score': [85, 90, 88]
})

# 按列外连接拼接
result3 = pd.concat([df3, df4], axis=1)
print(result3)

# 按列内连接拼接
result4 = pd.concat([df3, df4], axis=1, join='inner')
print(result4)

外连接会保留所有行，内连接只会保留两个DataFrame都存在的行，这里两个DataFrame的行完全匹配，所以两种拼接结果一致。

处理索引冲突的情况

当合并的数据对象存在索引冲突时，可以通过参数调整处理方式。

import pandas as pd

df5 = pd.DataFrame({'a': [1, 2]}, index=[0, 1])
df6 = pd.DataFrame({'b': [3, 4]}, index=[1, 2])

# 外连接拼接，默认处理重复索引
result5 = pd.concat([df5, df6], axis=1)
print(result5)

# 重置索引避免冲突
result6 = pd.concat([df5, df6], axis=1, ignore_index=False)
print(result6)

拼接后不存在的列会用NaN填充，如果需要严格检查索引是否重复，可以设置verify_integrity为True，此时存在重复索引会直接抛出异常。

合并Series对象

concat函数同样支持Series对象的合并，用法和合并DataFrame类似。

import pandas as pd

s1 = pd.Series([1, 2, 3], name='col1')
s2 = pd.Series([4, 5, 6], name='col2')

# 合并两个Series为DataFrame
result7 = pd.concat([s1, s2], axis=1)
print(result7)

# 按行合并Series
result8 = pd.concat([s1, s2], axis=0)
print(result8)

常用参数总结

为了方便查阅，这里整理concat函数的常用参数及含义：

pythonconcatDataFramepandas数据合并修改时间：2026-06-10 12:18:31