python相同行数的dataframe合并

假设你有两个DataFrame对象，它们都有相同数量的行数。你可以使用`pd.concat()`函数将它们合并在一起，例如：

import pandas as pd

# 创建两个DataFrame对象
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对象
merged_df = pd.concat([df1, df2])

# 打印合并后的DataFrame对象
print(merged_df)

这将输出以下结果：

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

请注意，`pd.concat()`函数默认沿着行的方向合并DataFrame对象，因此在合并之后，行索引将从0开始递增。如果你想保留原始的行索引，请将`ignore_index`参数设置为True，如下所示：

merged_df = pd.concat([df1, df2], ignore_index=True)

相关问题

python相同行数的dataframe经行列合并

可以使用 `pandas` 库的 `concat` 函数将多个列合并到一起。假设有两个 `DataFrame`，分别是 `df1` 和 `df2`，它们有相同的行数和相同的列数，可以使用以下代码将它们的第二列合并到一起：

import pandas as pd

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

merged_df = pd.concat([df1.iloc[:, 1], df2.iloc[:, 1]], axis=1)

`concat` 函数的第一个参数是要合并的列的列表，`axis` 参数指定了合并的方向，如果 `axis=0`，则表示沿着行方向合并，如果 `axis=1`，则表示沿着列方向合并。在上述代码中，`iloc[:, 1]` 表示选取每个 `DataFrame` 的第二列，然后将这两列合并到一起。最终得到的 `merged_df` 是一个新的 `DataFrame`，它包含了两个 `DataFrame` 的第二列。

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：

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：

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：

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：

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：

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)