如何在一个数据框内用concat增加列

你可以使用 `concat` 函数将多个数据框按列拼接成一个数据框。

例如，假设你有一个数据框 `df1`，它有两列，然后你想要将另一个数据框 `df2` 的一列添加到 `df1` 中。你可以使用以下代码：

import pandas as pd

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

# 创建 df2
df2 = pd.DataFrame({'C': [7, 8, 9]})

# 在 df1 中增加 df2 的一列
result = pd.concat([df1, df2], axis=1)

print(result)

这将输出以下结果：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

在这个例子中，我们使用 `pd.concat([df1, df2], axis=1)` 将 `df1` 和 `df2` 拼接在一起，`axis=1` 表示按列拼接。这样，`df2` 的一列就被添加到了 `df1` 中，形成了 `result` 数据框。

相关问题

在一个数据框内加另外一个数据框的一列

要在一个数据框中添加另一个数据框的一列，可以使用`pandas.concat()`函数和`pandas.DataFrame.join()`函数。

首先，使用`pandas.concat()`函数将两个数据框沿着列方向进行连接。例如，假设你有两个数据框`df1`和`df2`：

import pandas as pd

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

现在，你可以使用`concat()`函数将它们连接起来：

df3 = pd.concat([df1, df2], axis=1)

这样，你就能得到一个包含`df1`和`df2`所有列的新数据框`df3`。

接着，你可以使用`pandas.DataFrame.join()`函数将`df3`和另一个数据框`df4`连接起来，并指定连接的列：

df4 = pd.DataFrame({'D': ['a', 'b', 'c']})

df5 = df3.join(df4)

这样，你就将`df4`的一列`D`添加到了`df3`中，得到了一个新的数据框`df5`。需要注意的是，`join()`函数默认使用左连接方式，因此，如果有行在`df3`中没有与`df4`中的行匹配，那么这些行在`df5`中将被填充为缺失值。

concat函数 多个数据框合并

concat函数可以用于多个数据框的合并，具体实现方式是将多个数据框按照指定的轴进行连接，可以使用pandas库中的concat函数来实现。例如，以下代码可以将两个数据框按照行的方向进行合并：

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})

result = pd.concat([df1, df2])

print(result)

输出结果如下：

A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
0 A4 B4 C4 D4
1 A5 B5 C5 D5
2 A6 B6 C6 D6
3 A7 B7 C7 D7

以上代码中，pd.concat([df1, df2])表示将df1和df2两个数据框按照行的方向进行合并。