采用横向堆叠、外连接的方式合并df1和df2 2. 采用纵向堆叠、内连接的方式合并df1和df2

当你需要合并两个数据框（DataFrame）时，可以采用不同的方式：

1. **横向堆叠（Concatenation, 并行于索引）**:
- 使用pandas库的`concat()`函数，如果想要将两个数据框沿着列方向（即水平方向）拼接在一起，并且基于共享的索引进行合并，你可以这样操作：

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

这种方式假设两数据框有相同的行数，但是列名或值可能是不同的。如果列名冲突，你可以指定`keys`参数来区分。

2. **纵向堆叠（Stacking, 并行于行）**:
- 如果你想将数据框按照索引对齐并按行堆叠，通常是在做交叉分析或者汇总时，可以这样做：

     df_stacked = df1.merge(df2, how='inner', left_index=True, right_index=True).stack()

使用`merge()`函数进行内连接（`how='inner'`），保留两个数据框中索引相匹配的部分，然后通过`stack()`将结果转换为长格式数据。

注意：这里的`left_index=True` 和 `right_index=True` 指定使用各自的数据框的索引作为合并键。

相关问题

5. 现有如下图所示的表格数据，横向堆叠合并df1和df2，采用外连接的方式。 A B 0 A0 B0 1 A0 B0 2 A1 B1 C D 0 C0 D0 1 C0 D2 2 C1 D2 3 C3 D3

可以使用 pandas 库中的 concat() 函数来实现横向堆叠合并，代码如下：

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A0', 'A1'], 'B': ['B0', 'B0', 'B1']})
df2 = pd.DataFrame({'C': ['C0', 'C0', 'C1', 'C3'], 'D': ['D0', 'D2', 'D2', 'D3']})

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

print(result)

输出结果为：

    A   B   C   D
0  A0  B0  C0  D0
1  A0  B0  C0  D2
2  A1  B1  C1  D2
3 NaN NaN  C3  D3

其中，axis=1 表示按列进行拼接，join='outer' 表示采用外连接的方式合并。

df1和df2列完全相同，如何用pandas纵向合并

可以使用pandas库的concat函数进行纵向合并。示例如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

df_concat = pd.concat([df1, df2], axis=0)
print(df_concat)

输出结果：

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

这样就将df1和df2纵向合并到了一起。