如果我没理解错的话，这就是你想要做的。

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 2, 3, 4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                   index=[4, 5, 6 , 7])

df1.reset_index(drop=True, inplace=True)
df2.reset_index(drop=True, inplace=True)

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

字符串
该公式给出：

A   B   D   A1  C   D2
0   A0  B0  D0  A4  C4  D4
1   A1  B1  D1  A5  C5  D5
2   A2  B2  D2  A6  C6  D6
3   A3  B3  D3  A7  C7  D7

型
实际上，我希望df = pd.concat(dfs, axis=1, ignore_index=True)给出相同的结果。
这是来自jreback的精彩解释：
ignore_index=True '索引'，意味着不在连接轴上对齐。它只是按照传递的顺序将它们粘贴在一起，然后为实际索引重新分配一个范围（例如range(len(index))），因此在非重叠索引上连接（假设示例中为axis=1），使用ignore_index=False（默认值），您将获得索引的concat，而使用ignore_index=True，您将获得范围。

ignore_index选项在你的例子中起作用，你只需要知道它忽略了 * 连接轴 *，在你的例子中是列。（也许更好的名字是ignore_labels。）如果你想让连接忽略索引标签，那么你的轴变量必须设置为0（默认值）。

如果您想保留左侧 Dataframe 的索引，请使用set_index将df2的索引设置为df1：

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

字符串

同意评论，最好总是发布预期的输出。
这就是你要找的吗？

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 2, 3, 4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                   index=[5, 6, 7, 3])

# Drop column names so we can concat()...
df1 = df1.transpose().reset_index(drop=True).transpose()
df2 = df2.transpose().reset_index(drop=True).transpose()

# Concatenate the dfs
dfs = [df1, df2]
df = pd.concat(dfs, axis=0, ignore_index=True)

print df

    0   1   2
0  A0  B0  D0
1  A1  B1  D1
2  A2  B2  D2
3  A3  B3  D3
4  A4  C4  D4
5  A5  C5  D5
6  A6  C6  D6
7  A7  C7  D7

字符串

你可以使用numpy的concatenate来实现这个结果。

cols = df1.columns.to_list() + df2.columns.to_list()
dfs = [df1,df2]
df = np.concatenate(dfs, axis=1)  
df = pd.DataFrame(df, columns=cols)

Out[1]: 
    A   B   D  A1   C  D2
0  A0  B0  D0  A4  C4  D4
1  A1  B1  D1  A5  C5  D5
2  A2  B2  D2  A6  C6  D6
3  A3  B3  D3  A7  C7  D7

字符串

出于某种原因，ignore_index=True在我的情况下没有帮助。我想保留第一个数据集的索引，忽略第二个索引。这对我很有效：

X_train = pd.concat([train_sp, X_train.reset_index(drop=True, inplace=True)], axis=1)

字符串