pandas按行合并dataframe

可以使用 pandas 的 concat 函数来按行合并 dataframe。具体操作如下：

import pandas as pd

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

# 使用 concat 函数按行合并
result = pd.concat([df1, df2], axis=0)

print(result)

输出结果为：

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

其中，`axis=0` 表示按行合并。

相关问题

pandas合并两个dataframe，按行合并

### 回答1：
要将两个DataFrame按行合并（即按行连接），可以使用pandas中的concat()函数。下面是使用concat()函数按行合并两个DataFrame的示例代码：

import pandas as pd

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

# 将两个DataFrame按行合并
result = pd.concat([df1, df2])

print(result)

上述代码中，首先通过pd.DataFrame()函数创建了两个DataFrame，然后使用pd.concat()函数将这两个DataFrame按行合并，并将结果存储在result变量中。最后，将结果打印出来。

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

在合并后的结果中，行索引是连续的整数，这是由于原始DataFrame的行索引也是连续的整数。如果要重新设置行索引，可以使用reset_index()函数，如下所示：

result = pd.concat([df1, df2]).reset_index(drop=True)
print(result)

在reset_index()函数中，参数drop=True表示删除原始的行索引，使用默认的连续整数作为新的行索引。

输出结果如下：

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

### 回答2：
Pandas是一个强大的数据处理工具，可以用它来合并两个DataFrame，按行合并的方法有多种。

一种常见的方法是使用concat函数，可以将两个DataFrame按行合并为一个新的DataFrame。具体操作可以按照以下步骤进行：
1. 首先，通过import语句导入pandas库，并创建两个要合并的DataFrame，假设分别为df1和df2。
2. 使用concat函数，将df2合并到df1的下方，设置参数axis=0表示按行合并。合并后的新DataFrame可以赋值给一个新的变量，比如df3。
3. 最后，可以使用print函数输出合并后的df3，查看结果。

下面是具体的示例代码：

import pandas as pd

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

# 合并两个DataFrame
df3 = pd.concat([df1, df2], axis=0)

# 输出合并后的DataFrame
print(df3)

上述代码中，df1是一个包含两列数据的DataFrame，df2也是一个包含两列数据的DataFrame。通过concat函数将两个DataFrame按行合并为df3，并且按照顺序保留原来的行顺序。

希望以上解答对您有帮助，如有任何疑问，请随时追问。

### 回答3：
Pandas是一个强大的数据分析工具，可以用于处理和操作数据。在Pandas中，可以使用concat()函数将两个DataFrame按行合并。

下面是一个用于合并两个DataFrame的示例代码：

import pandas as pd

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

df2 = pd.DataFrame({'A': [7, 8, 9],
                    'B': [10, 11, 12]})

# 合并两个DataFrame
df = pd.concat([df1, df2], axis=0, ignore_index=True)

print(df)

在上面的代码中，首先导入pandas库，并创建了两个DataFrame（df1和df2）。然后，使用concat()函数将这两个DataFrame按行合并为一个新的DataFrame（df），并将结果存储在df变量中。concat()函数可以指定axis参数为0，表示按行合并；ignore_index参数为True，表示重新索引合并的结果。

最后，使用print()函数打印合并后的DataFrame（df）。

执行上述代码，输出结果如下：

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

可以看到，合并后的DataFrame按照原有的顺序进行了合并，并且重新索引了结果的行号。

以上就是使用Pandas按行合并两个DataFrame的方法。希望对你有帮助！

pandas合并多个dataframe

Pandas可以使用`pd.concat()`函数合并多个DataFrame。具体来说，可以使用以下语法：

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

其中，`df1`、`df2`和`df3`是待合并的DataFrame对象。`pd.concat()`函数会将它们按照列方向（默认）或行方向连接起来，形成一个新的DataFrame对象`result`。

如果需要按照行方向合并DataFrame，可以设置`axis`参数为1，例如：

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

此时，`df1`、`df2`和`df3`会按照行方向连接起来，形成一个新的DataFrame对象`result`。

如果待合并的DataFrame对象具有不同的列名或行索引，可以使用`join`参数指定合并方式。常见的合并方式包括`inner`、`outer`、`left`和`right`。例如，如果需要按照列名进行合并，并保留所有列和行，可以使用以下语法：

result = pd.concat([df1, df2, df3], axis=1, join='outer')

更多关于Pandas合并DataFrame的用法，请参考官方文档：https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html#concatenating-objects