python名称不同的列并集合并成一列

可以使用pandas库中的concat函数将不同名称的列合并成一列，代码如下：

import pandas as pd

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

df_concat = pd.concat([df['A'], df['B'], df['C'], df['D']])

print(df_concat)

输出结果为：

0 1
1 2
2 3
0 4
1 5
2 6
0 7
1 8
2 9
0 10
1 11
2 12
dtype: int64

相关问题

python怎么把excel文件读成一个dataframe，然后与已有的另一个dataframe合并后再存入这个Excel文件？

### 回答1：
可以使用pandas库中的read_excel方法读取Excel文件为DataFrame，然后使用pandas的merge函数合并两个DataFrame，最后使用to_excel方法将合并后的DataFrame存入Excel文件。具体代码如下：

import pandas as pd

# 读取Excel文件1
df1 = pd.read_excel('file1.xlsx')

# 读取Excel文件2
df2 = pd.read_excel('file2.xlsx')

# 合并两个DataFrame
df_merged = pd.merge(df1, df2, on='column_name')

# 存入Excel文件
df_merged.to_excel('merged_file.xlsx', index=False)

在上述代码中，使用read_excel函数读取两个Excel文件，并将其转换为DataFrame。使用merge函数在指定列上合并两个DataFrame，并将合并后的结果存入新的Excel文件中（可以通过指定index参数为False来避免在Excel文件中存储DataFrame的索引）。

### 回答2：
在Python中，可以使用pandas库来处理Excel文件，实现将Excel文件读取成一个DataFrame，并将这个DataFrame与另一个已有的DataFrame合并，然后再将结果存入Excel文件。

下面是具体的代码实现：

1. 首先，导入所需的库：

import pandas as pd

2. 读取Excel文件并生成DataFrame：

df1 = pd.read_excel('文件名.xlsx', sheet_name='工作表名')

这里`文件名`是要读取的Excel文件的名字，`工作表名`是要读取的具体工作表的名字，如果只有一个工作表可以省略该参数。

3. 创建另一个DataFrame：

df2 = pd.DataFrame({'列名1': [值1, 值2, ...], '列名2': [值1, 值2, ...], ...})

这里的`列名`是要创建的DataFrame的列的名字，`值`是对应的每个单元格的值，可以根据需求进行调整。

4. 合并两个DataFrame：

merged_df = pd.concat([df1, df2], axis=0, ignore_index=True)

这里使用了`concat`函数将两个DataFrame合并，`axis=0`表示按照行的方向进行合并，`ignore_index=True`表示重置合并后的DataFrame的索引。

5. 将合并后的DataFrame存入Excel文件：

merged_df.to_excel('文件名.xlsx', sheet_name='工作表名', index=False)

这里使用了DataFrame的`to_excel`方法，将合并后的DataFrame写入到指定的Excel文件中，`index=False`表示不将索引写入文件。

通过上述步骤，就可以实现将Excel文件读取成一个DataFrame，然后与另一个已有的DataFrame合并后再存入这个Excel文件。当然，具体的代码还需要根据实际情况进行调整。

### 回答3：
使用Python的pandas库可以很方便地实现将Excel文件读取为一个DataFrame，并与已有的另一个DataFrame合并后再将结果存入同一个Excel文件。

首先，需要安装pandas库，可以使用pip install pandas命令进行安装。

接下来，可以使用pandas的read_excel函数将Excel文件读取为一个DataFrame：

import pandas as pd

# 读取Excel文件为DataFrame
df1 = pd.read_excel('文件路径/文件名.xlsx')

接着，可以使用pandas的merge函数将两个DataFrame合并：

df2 = pd.DataFrame({'列1': [值1, 值2, ...], '列2': [值1, 值2, ...], ...})  # 另一个DataFrame

# 合并两个DataFrame
merged_df = pd.merge(df1, df2, on='共同列名', how='合并方式')

合并方式有多种选择，例如：inner代表取交集，outer代表取并集，left代表以第一个DataFrame为准等等。并且可以根据具体需求，选择适合的合并方式。

最后，可以使用pandas的to_excel函数将合并后的DataFrame写入同一个Excel文件：

# 存入同一个Excel文件
merged_df.to_excel('文件路径/文件名.xlsx', index=False)

index=False参数表示不写入行索引到Excel文件中。

以上就是使用Python将Excel文件读取为DataFrame，并与已有的另一个DataFrame合并后再存入同一个Excel文件的简单示例。

①求集合A、B的并集C。 ②归并两个有序表La和Lb成一个新的 有序表LC。其中，有序指非递减有序。

①求集合A、B的并集C，通常在数学和计算机科学中表示为A ∪ B。在程序设计中，这个操作可以通过多种数据结构如列表或集合数据类型来完成。例如，在Python中，你可以这样做：

# 假设A和B是两个列表
C = A + B  # 如果A和B是非集合类型
C = set(A) | set(B)  # 如果A和B是集合类型

②合并两个有序表La和Lb成一个新的有序表LC，可以采用归并排序的思想。具体步骤如下：

1. 初始化两个指针i和j，分别指向La和Lb的起始位置。
2. 比较La[i]和Lb[j]，选择较小的那个元素放入新的有序表LC，并将对应的指针向前移动一位。
3. 重复步骤2，直到其中一个列表遍历完。
4. 将另一个未遍历完的列表的所有剩余元素依次加入到LC的末尾。

这可以用循环或递归来实现。下面是简单的伪代码示例：

def merge(La, Lb):
    LC = []  # 初始化新列表
    i, j = 0, 0

    while i < len(La) and j < len(Lb):
        if La[i] <= Lb[j]:
            LC.append(La[i])
            i += 1
        else:
            LC.append(Lb[j])
            j += 1

    # 添加剩余未比较的元素
    LC.extend(La[i:])
    LC.extend(Lb[j:])
    
    return LC