导入三个csv的三列数据，拼成一列数据，统计不为np.nan数据的95%置信区间

首先，需要导入 pandas 和 numpy 库，然后读取三个 csv 文件并将它们合并成一个 DataFrame，最后计算 95% 置信区间。

以下是代码示例：

import pandas as pd
import numpy as np

# 读取三个 csv 文件
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')

# 将三个 DataFrame 合并成一个
df = pd.concat([df1['col1'], df2['col2'], df3['col3']], axis=0, ignore_index=True)

# 计算 95% 置信区间，排除 np.nan 数据
mean = np.mean(df[~np.isnan(df)])
std = np.std(df[~np.isnan(df)])
confidence_interval = (mean - 1.96 * std, mean + 1.96 * std)

print("95% 置信区间为：", confidence_interval)

解释一下代码，首先分别读取三个 csv 文件并将它们的某一列数据取出来，然后使用 pandas 的 concat 函数将这三列数据合并成一个 DataFrame，接着使用 numpy 的 isnan 函数找出其中的 np.nan 数据并排除，然后计算平均值和标准差，最后根据 95% 置信水平的公式计算置信区间。