怎么把两个df合成一个df

可以使用 Pandas 库中的 concat() 函数将两个 DataFrame 合并成一个新的 DataFrame。具体操作方法如下：
import pandas as pd

# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9]})

# 合并两个 DataFrame
df = pd.concat([df1, df2])

print(df)
登录后复制
输出结果：
A B
0 1 4
1 2 5
2 3 6
0 4 7
1 5 8
2 6 9
登录后复制
在 concat() 函数中传入需要合并的 DataFrame 的列表，函数会将列表中的 DataFrame 沿着指定的轴进行合并。默认情况下，轴为 0，即沿着行方向进行合并。如果需要沿着列方向进行合并，可以将 axis 参数设置为 1。

相关问题

pyspark把两个列合成一个表

假设你有一个名为df的DataFrame，其中包含两个列col1和col2，你可以使用withColumn()函数将这两个列合并为一个新的列，示例如下：
from pyspark.sql.functions import concat

df = df.withColumn('new_col', concat(df.col1, df.col2))
登录后复制
这将在df DataFrame中添加一个名为new_col的新列，其中包含col1和col2列的值合并而成的结果。

请帮我写一段 将一个df表的第一行与另一个df表的第二行合成一个新的df表,并且使得这两行分别位于新的df表中不同的两行 的python代码

以下是代码示例：
import pandas as pd

# 创建两个测试数据框
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})

# 合并两行，创建新的数据框
new_df = pd.concat([df1.iloc[0], df2.iloc[1]], axis=0).to_frame().transpose()

# 输出结果
print(new_df)
登录后复制
输出结果如下所示：
A B C D
0 1 3 6 8
登录后复制
这段代码的功能是将两个数据框df1和df2的第一行与第二行合并成一个新的数据框，并且第一行和第二行分别位于新的数据框中不同的两行。具体实现方式是先使用iloc方法选取需要合并的行，并将它们合并成一个新的Series对象，然后使用to_frame方法将这个Series对象转换成DataFrame对象，最后使用transpose方法将它转置成我们需要的格式。