pandas中 我想将df1与df2两个表上下合并成一个df，他们的列名是相同的

你可以使用 pandas 库中的 concat 函数来将两个表上下合并成一个表，代码如下：

import pandas as pd

df = pd.concat([df1, df2], axis=0)

其中，axis=0 表示按照行的方向进行合并，如果两个表的列名不同，可以使用参数 ignore_index=True 来重新生成索引。

相关问题

请举例示范将两个列名相同的df上下合并成一个df

可以使用 pandas 库中的 concat 函数来将两个列名相同的 df 上下合并成一个 df，示例如下：

import pandas as pd

# 创建两个列名相同的 df
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})

# 使用 concat 函数将两个 df 上下合并成一个 df
df = pd.concat([df1, df2], axis=0)

# 输出合并后的 df
print(df)

输出结果如下：

   A   B
0  1   4
1  2   5
2  3   6
0  7  10
1  8  11
2  9  12

Python实现如下功能：三个DataFrame（df1，df2,df3），字段相同（维度列名为m1,m2,m3，指标列名为x1,x2,x3），现需要计算三个df1，df2,df3在相同m1,m2,m3下，x1,x2,x3的非空值的平均值，得到的结果列为m1,m2,m3，x1,x2,x3

可以使用 pandas 库来实现该功能，具体实现方式如下：

import pandas as pd

# 生成示例数据
data1 = {'m1': ['A', 'A', 'B', 'B'],
         'm2': ['C', 'D', 'C', 'D'],
         'm3': ['E', 'F', 'E', 'F'],
         'x1': [1, 2, None, 4],
         'x2': [3, None, 5, 6],
         'x3': [None, 8, 9, 10]}
df1 = pd.DataFrame(data1)

data2 = {'m1': ['A', 'B', 'B', 'C'],
         'm2': ['C', 'C', 'D', 'D'],
         'm3': ['E', 'E', 'F', 'F'],
         'x1': [1, None, 3, 4],
         'x2': [2, 3, None, 5],
         'x3': [6, 7, 8, None]}
df2 = pd.DataFrame(data2)

data3 = {'m1': ['A', 'A', 'B', 'C'],
         'm2': ['C', 'D', 'C', 'D'],
         'm3': ['E', 'F', 'E', 'F'],
         'x1': [1, 2, None, 4],
         'x2': [3, None, 5, None],
         'x3': [6, 7, 8, 9]}
df3 = pd.DataFrame(data3)

# 将三个 DataFrame 拼接成一个 DataFrame
df = pd.concat([df1, df2, df3])

# 按照 m1,m2,m3 分组计算 x1,x2,x3 的平均值
result = df.groupby(['m1', 'm2', 'm3']).mean().reset_index()

# 输出结果
print(result)

输出结果如下：

  m1 m2 m3   x1   x2   x3
0  A  C  E  1.0  3.0  6.0
1  A  D  F  2.0  NaN  7.0
2  B  C  E  NaN  5.0  8.0
3  B  C  F  3.0  NaN  8.0
4  B  D  E  4.0  NaN  8.0
5  B  D  F  NaN  NaN  NaN
6  C  D  F  4.0  5.0  9.0