想把一个df的列合并到另一个有相同行数的df
时间: 2023-03-31 14:03:08 浏览: 56
可以使用 pandas 库中的 concat 函数将两个 DataFrame 按行合并,具体操作如下:
```python
import pandas as pd
# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})
# 将 df2 的列合并到 df1 中
df1 = pd.concat([df1, df2], axis=1)
# 输出合并后的结果
print(df1)
```
输出结果为:
```
A B C D
1 4 7 10
1 2 5 8 11
2 3 6 9 12
```
相关问题
python合并行数相同的4个csv文件
可以使用 pandas 库来合并行数相同的多个 csv 文件。
首先,需要导入 pandas 库:
```python
import pandas as pd
```
然后,使用 `pd.read_csv()` 方法读取每个 csv 文件并将其存储为一个 DataFrame 对象:
```python
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')
df4 = pd.read_csv('file4.csv')
```
接下来,使用 `pd.concat()` 方法将这些 DataFrame 对象按行合并成一个 DataFrame:
```python
merged_df = pd.concat([df1, df2, df3, df4], axis=0)
```
其中,`axis=0` 表示在行方向上合并。
最后,使用 `merged_df.to_csv()` 方法将合并后的 DataFrame 写入到一个新的 csv 文件中:
```python
merged_df.to_csv('merged_file.csv', index=False)
```
其中,`index=False` 表示不将 DataFrame 的索引写入到 csv 文件中。
完整代码如下:
```python
import pandas as pd
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')
df4 = pd.read_csv('file4.csv')
merged_df = pd.concat([df1, df2, df3, df4], axis=0)
merged_df.to_csv('merged_file.csv', index=False)
```
如何将两个列名称完全相同,行数不同的dataframe文件上下合并起来
你可以使用 Pandas 库中的 `concat` 函数来合并两个列名称完全相同、行数不同的 DataFrame 文件。具体步骤如下:
1. 首先,将两个 DataFrame 文件存入不同的变量中,假设第一个 DataFrame 存储在变量 `df1` 中,第二个 DataFrame 存储在变量 `df2` 中。
2. 然后,使用 `concat` 函数将两个 DataFrame 上下合并起来,代码如下:
```
merged_df = pd.concat([df1, df2], ignore_index=True)
```
`ignore_index=True` 表示合并后的 DataFrame 的索引将按顺序排列,而不是保留原来各自的索引。
3. 最后,可以将合并后的 DataFrame 存储到文件中,代码如下:
```
merged_df.to_csv("merged_file.csv", index=False)
```
`index=False` 表示不将索引写入文件中。