pd.concat连接两个表，合并重复

使用 pd.concat 函数可以将两个表按照行或列进行合并。如果两个表存在重复的行或列，可以使用参数来进行去重。下面是一个例子：
假设有两个表 df1 和 df2：
import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]})

df2 = pd.DataFrame({'A': [1, 2, 4],
'B': [4, 5, 7],
'C': [7, 8, 10]})
登录后复制
现在我们想要将这两个表按照列进行合并，同时去除重复的行。可以使用如下的代码：
result = pd.concat([df1, df2], axis=1, join='inner')
result = result.loc[:,~result.columns.duplicated()]
登录后复制
这里使用了 pd.concat 函数来将两个表按照列进行合并，并且使用了 join='inner' 参数来去除重复的行。此外，由于 pd.concat 函数默认会保留重复的列名，因此我们使用了 loc[:,~result.columns.duplicated()] 来去除重复的列。

相关问题

pd.concat合并两个表

可以使用 pd.concat() 函数来合并两个表。该函数的语法如下：
pd.concat([df1, df2], axis=0)
其中，df1 和 df2 是要合并的两个表，axis=0 表示按行合并，如果要按列合并，则将 axis 设为 1。

利用pd.concat合并两个sheet，再利用pd.Series和pd.concat在表格最后一行添加数据

可以使用pd.read_excel读取Excel文件中的两个sheet，并使用pd.concat方法将它们合并为一个表格。然后，使用pd.Series创建一个新的Series对象，再次使用pd.concat方法将其与合并后的表格连接起来，从而实现在表格的最后一行添加数据的功能。具体代码如下：
import pandas as pd

# 读取Excel文件中的两个sheet
df1 = pd.read_excel('filename.xlsx', sheet_name='Sheet1')
df2 = pd.read_excel('filename.xlsx', sheet_name='Sheet2')

# 将两个表格合并为一个
df = pd.concat([df1, df2], ignore_index=True)

# 创建要添加的数据
new_data = pd.Series({'A': 4, 'B': 7})

# 将新数据转换为DataFrame对象并与合并后的表格连接
df = pd.concat([df, pd.DataFrame(new_data).T], ignore_index=True)

print(df)
登录后复制
其中，pd.read_excel方法用于读取Excel文件中的数据，sheet_name参数指定要读取的sheet名称。pd.concat方法用于将两个表格合并为一个，ignore_index=True表示忽略原始表格的索引，使用自动生成的新索引。pd.DataFrame(new_data).T将新数据转换为一个只有一行的DataFrame对象，并使用pd.concat方法将其与合并后的表格连接起来。