用python写一段循环，实现几个表按相同的字段进行合并，保留表格中所有数据，不显示重复字段

在Python中，你可以使用pandas库来处理这个任务，因为pandas非常适合数据清洗和合并。假设你有多个CSV文件，它们都有相同的列名，你可以这样做：

import pandas as pd

# 假设你有多个文件如data1.csv, data2.csv等，并且列名都相同
files = ['data1.csv', 'data2.csv', 'data3.csv'] # 请替换为你实际的数据文件名

# 创建一个空的DataFrame来存储结果
merged_df = pd.DataFrame()

# 循环读取每个文件并合并
for file in files:
    df_temp = pd.read_csv(file)
    merged_df = merged_df.append(df_temp, ignore_index=True)  # 使用ignore_index=True避免索引冲突

# 如果你想删除重复的行，可以使用drop_duplicates()函数
merged_df = merged_df.drop_duplicates()

# 最终结果存储到一个新的CSV文件中，例如output.csv
merged_df.to_csv('output.csv', index=False)

相关问题

用python写一段循环，实现几个表按多个相同的字段进行合并，保留表格中所有数据，不显示重复字段

在Python中，你可以使用pandas库来进行数据处理，包括合并多个DataFrame。如果你想要合并多个DataFrame，并保留所有的数据且不删除重复字段，可以使用`concat()`函数。假设你有两个或更多的DataFrame，比如df1、df2等，它们共享相同的列名key1和key2，可以这样做：

import pandas as pd

# 假设df1、df2是两个示例DataFrame
# df1 = pd.DataFrame({'key1': ['A', 'B', 'C'], 'key2': [1, 2, 3], 'other_data': [4, 5, 6]})
# df2 = pd.DataFrame({'key1': ['B', 'D', 'E'], 'key2': [7, 8, 9], 'other_data': [10, 11, 12]})

# 使用merge_on参数将共享的列作为键
# 如果有多组共享列，可以多次指定，如 key1, key2 或者其他共有的列
merged_df = pd.concat([df1, df2], ignore_index=True, sort=False)

# 参数ignore_index=True会移除原索引并创建新的，sort=False保持原有顺序
# 如果你想保留每个数据框的原始索引，去掉ignore_index即可

print(merged_df)

这个例子中，如果存在重复的(key1, key2)组合，所有相关的数据行都会被保留在结果中。