将多个 DataFrame 合并为一个新 DataFrame
时间: 2023-11-03 07:11:44 浏览: 29
可以使用 pandas 库中的 concat() 函数将多个 DataFrame 合并为一个新 DataFrame。concat() 函数的语法如下:
```python
new_df = pd.concat([df1, df2, df3, ...])
```
其中,`df1`, `df2`, `df3`, ... 表示要合并的多个 DataFrame,可以根据实际情况传入不同的参数。合并后生成的新 DataFrame 保存在 `new_df` 变量中。
如果要按照指定的轴进行合并,还可以在 concat() 函数中添加 `axis` 参数。例如,如果要按照行进行合并,可以将 `axis` 参数设置为 0,语法如下:
```python
new_df = pd.concat([df1, df2, df3, ...], axis=0)
```
如果要按照列进行合并,可以将 `axis` 参数设置为 1,语法如下:
```python
new_df = pd.concat([df1, df2, df3, ...], axis=1)
```
需要注意的是,进行合并的多个 DataFrame 的列名和行索引需要是一致的,否则可能会出现错误。
相关问题
将多个dataframe合并
要将多个dataframe合并,可以使用pandas库中的concat()函数。该函数可以将多个dataframe按照指定的轴进行合并。
例如,假设有三个dataframe,分别是df1、df2、df3,它们的列名和数据分别如下:
``` python
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9]})
df3 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})
```
要将这三个dataframe按照行合并,可以使用concat()函数:
``` python
result = pd.concat([df1, df2, df3], axis=0)
```
其中,第一个参数是要合并的dataframe列表,axis=0表示按照行进行合并。合并后的结果存储在result变量中,结果如下:
```
A B
0 1 4
1 2 5
2 3 6
0 4 7
1 5 8
2 6 9
0 7 10
1 8 11
2 9 12
```
如果要按照列进行合并,可以将axis参数设置为1:
``` python
result = pd.concat([df1, df2, df3], axis=1)
```
合并后的结果如下:
```
A B A B A B
0 1 4 4 7 7 10
1 2 5 5 8 8 11
2 3 6 6 9 9 12
```
pandas将多个dataframe合并
Pandas可以使用concat()函数将多个DataFrame合并。具体步骤如下:
1. 将要合并的DataFrame放入一个列表中。
2. 使用concat()函数将列表中的DataFrame合并,可以指定合并的轴(行或列)。
3. 可以使用merge()函数将两个DataFrame按照某一列进行合并。
例如,将三个DataFrame按照行合并:
```
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
df3 = pd.DataFrame({'A': [9, 10], 'B': [11, 12]})
df = pd.concat([df1, df2