dataframe合并文件并且查看

在数据分析中，当你有多份CSV文件需要合并到一起时，通常会使用pandas库中的`concat()`或`merge()`函数。这里以Python为例：

假设你有两个CSV文件，例如file1.csv和file2.csv，它们都有相同的列结构，你可以这样做：

import pandas as pd

# 加载第一个文件
df1 = pd.read_csv('file1.csv')

# 加载第二个文件
df2 = pd.read_csv('file2.csv')

# 如果你想按照行合并（即水平合并），可以使用 concat：
merged_df = pd.concat([df1, df2], ignore_index=True)

# 如果你想按照列合并（即垂直合并），可以使用 merge（如果两个表之间有共同的键列）：
# merged_df = pd.merge(df1, df2, on='common_column', how='outer')

# 查看合并后的数据框
print(merged_df.head())  # 输出前几行数据，便于检查是否正确合并

`ignore_index=True` 参数有助于避免原始索引冲突，`on='common_column'` 表示使用名为 'common_column' 的列来合并两个数据框。