将多个 DataFrame 合并为一个新 DataFrame

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：

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：

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：

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

spark dataframe 合并多个dataframe为一个

在 Spark 中，可以使用 `unionAll` 或者 `union` 方法将多个 DataFrame 合并为一个。这两个方法的作用都是将多个 DataFrame 进行纵向合并。其中，`unionAll` 方法不会进行去重，而 `union` 方法会去除重复行。

示例代码如下：

from pyspark.sql.functions import lit

# 创建三个DataFrame
df1 = spark.createDataFrame([(1, "a"), (2, "b")], ["id", "value"])
df2 = spark.createDataFrame([(3, "c"), (4, "d")], ["id", "value"])
df3 = spark.createDataFrame([(5, "e"), (6, "f")], ["id", "value"])

# 使用 unionAll 方法进行合并
union_df = df1.unionAll(df2).unionAll(df3)
union_df.show()

# 使用 union 方法进行合并
distinct_union_df = df1.union(df2).union(df3).distinct()
distinct_union_df.show()

输出结果如下：

+---+-----+
| id|＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊

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：

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：

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：

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