pandas 多列合并成一列并取名

“新列”，该怎么做？

你可以使用 Pandas 库中的 concat 函数将多列数据合并成一列，并使用 rename 函数给新列设置名称。示例代码如下所示：

import pandas as pd

# 假设有三列数据分别为 col1、col2、col3
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7, 8, 9]})

# 将多列数据合并成一列并取名为 “新列”
df['新列'] = pd.concat([df['col1'], df['col2'], df['col3']])
df = df.drop(['col1', 'col2', 'col3'], axis=1) # 将原来的三列删除
df = df.rename(columns={'新列': '新列名称'}) # 重命名新列

这样就可以将多列数据合并成一列，并设置新列名称为 “新列名称”。希望这能解决您的问题。

相关问题

pandas excel

Pandas是一个强大的Python库，它提供了许多功能来处理Excel文件。通过Pandas，你可以使用一些常见的Excel功能，如Excel公式、数据格式、排序、查找替换和透视图等。实际上，Pandas提供的功能比原本的Excel更加丰富和自由。

如果你想从Excel文件中读取数据，你可以使用Pandas的read_excel()函数。例如，你可以使用以下代码读取名为"测试数据.xlsx"的Excel文件中的一个名为"工资"的工作表：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", usecols=['工资'])

这将返回一个包含"工资"列的数据表。

如果你想合并多个工作表的数据，你可以使用Pandas中的concat()函数。例如，你可以使用以下代码将序号为1和0的两个工作表的数据合并到一起：

import pandas as pd
sheet = pd.read_excel(io="测试数据.xlsx", sheet_name=[1, 0])
st = pd.concat(sheet, ignore_index=True)

这将返回一个包含两个工作表数据合并后的数据表。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Pandas处理Excel超简单](https://blog.csdn.net/m0_59236127/article/details/122712241)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [pandas 玩转 Excel 操作总结](https://blog.csdn.net/qq_45176548/article/details/115290941)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

pandas文件的各类操作实例

Pandas是一个强大的Python数据分析库，提供了一系列灵活而丰富的操作功能。以下是一些常见的Pandas文件操作示例。

1. 读取文件：使用pandas的read_csv函数读取CSV文件，read_excel函数读取Excel文件，read_json函数读取JSON文件等。例如，可以使用以下代码读取名为"data.csv"的CSV文件：

import pandas as pd
data = pd.read_csv('data.csv')

2. 查看数据：可以使用head()函数查看数据的前几行，默认为前5行。例如，使用以下代码查看data的前5行：

print(data.head())

3. 选择数据：使用pandas的loc和iloc属性来选择数据。loc根据标签选择数据，iloc根据整数位置选择数据。例如，可以使用以下代码选择前5行的"Name"和"Age"列的数据：

sub_data = data.loc[:4, ['Name', 'Age']]

4. 筛选数据：使用条件语句来筛选数据。例如，可以使用以下代码筛选出"Age"列大于等于20的数据：

filtered_data = data[data['Age'] >= 20]

5. 添加数据：使用pandas的insert函数或DataFrame的assign方法添加数据。例如，使用以下代码在"data"中插入"Gender"列：

data.insert(3, 'Gender', 'Male')

6. 删除数据：使用pandas的drop函数删除数据。例如，使用以下代码删除"data"中的第一行数据：

data = data.drop(0)

7. 合并数据：使用concat函数或merge函数合并两个DataFrame。例如，使用以下代码将两个DataFrame "data1"和"data2"按行合并：

merged_data = pd.concat([data1, data2], axis=0)

以上是一些常见的Pandas文件操作示例，Pandas还提供了更多功能，如数据排序、数据分组、数据聚合等，可以根据具体需求进行深入学习和应用。