Python中使用pandas中concat横向连接表时产生NaN

在跟着一些教程学习数据分析时，会用到pandas操作。其中遇到了一个小问题：

使用concat横向连接(axis=1)两个表时，如果其中一张表格中做过drop的操作，而另一张没有做过，连接之后，会产生很多NaN的行。

本文适用情况：

数据处理时已经完成了缺失值处理，比如删除了某些行。在进行后续的操作时，如对某一列编码产生了新的列，需要重新拼接时，如果用concat函数的默认参数，会导致被删除的行以NaN值填充重新出现（如下图）。然后需要重新处理缺失值。。

先说结论：

如果两个表格最开始行数相同：将concat函数的join='inner'。默认为'outer'，导致的上述问题发生。

如果行数不同，

简单整理了一下pandas的concat()函数用法。

1、首先简单创建两个DataFrame，分别为df1、df2：

2、横向连接axis=1（纵向连接时axis=0即可），df2连接到了df1的右侧。

3、接下来对df1进行第0行的drop操作：可以看到index从1开始，第0行已经被删除掉。

4、此刻如果直接执行concat([df1_1,df2],axis=1)，会发现0,0位置产生了一个NaN，相当于在拼接时填补了之前删除的df1的index=0的行。

查看了一下pandas文档中关于concat的介绍：发现concat()默认的join方式为'outer'。

pandas.concat — pandas 1.3.5 documentationhttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html

 改为inner再看一下效果：第0行没有出现了。是我想要的效果。

重新在课程的代码里面用join='inner'试一下，NaN不会出现。但是由于后面的表的行数=前表删除行之后的行数，内连接之后行数变少了。最好的办法，是用前表的index列表作为后表创建的index。