对多个df合并 且要根据不同df多加一列对应的df名称

要在合并的过程中添加一个列来标识不同的 DataFrame，你可以使用 `concat` 函数的 `keys` 参数来指定每个 DataFrame 的名称。以下是一个示例：

import pandas as pd

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

# 使用 concat 函数合并 DataFrame，并添加一个列来标识不同的 DataFrame 名称
result = pd.concat([df1, df2], keys=['df1', 'df2'])

print(result)

输出结果将会是：

       A   B
df1 0  1   4
    1  2   5
    2  3   6
df2 0  7  10
    1  8  11
    2  9  12

在结果中，索引由两层，第一层是 DataFrame 的名称，第二层是原始 DataFrame 的索引。你可以通过索引来访问特定的行和列。

希望这个例子能够帮助到你！

相关问题

pandas多加一列分组

要在Pandas中添加一列分组，可以使用`groupby()`函数将数据按照指定的列进行分组，并使用聚合函数对其他列进行操作后，再将结果添加为新列。以下是实现这个过程的代码示例：

import pandas as pd

# 示例数据
dic = {'省份': ['A', 'A', 'A', 'B', 'C'], '城市': ['a', 'a', 'a_', 'b', 'c'],
       '订单额': [1, 2, 3, 4, 5], '规模': [5, 4, 3, 2, 1]}
df = pd.DataFrame(dic)

# 按照'城市'列进行分组，并将'订单额'列求和作为新列
df['分组列名'] = df.groupby('城市')['订单额'].transform('sum')

# 打印结果
print(df)

DataFrame使用时多加一列

可以使用`pd.concat()`函数将多个DataFrame合并成一个DataFrame，新增一列后再将合并后的DataFrame拆分为原来的多个DataFrame。示例代码如下：

import pandas as pd

# 假设有两个DataFrame，分别为df1和df2
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

# 在df1中新增一列'E'，并将其赋值为0
df1['E'] = 0

# 将df1和df2合并成一个DataFrame，并将合并后的DataFrame拆分为原来的df1和df2
df = pd.concat([df1, df2], axis=1)
df1 = df[['A', 'B', 'E']]
df2 = df[['C', 'D']]

在上面的示例代码中，首先在df1中新增了一列'E'，然后使用`pd.concat()`函数将df1和df2合并成一个DataFrame，并将合并后的DataFrame拆分为原来的df1和df2。此时，df1中已经有了新增的一列'E'。