pandas如何将两列合并为一列

您可以使用pandas库中的apply方法，将两列数据按照指定规则合并为一列。例如：

import pandas as pd

df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': ['d', 'e', 'f']})

def merge_row(row):
    return row['A'] + ',' + row['B']

df['C'] = df.apply(merge_row, axis=1)

print(df)

运行结果为：

   A  B    C
0  a  d  a,d
1  b  e  b,e
2  c  f  c,f

以上是一种方式，具体可以根据实际情况选择其他方法。

相关问题

pandas将两列合并为一列

可以使用pandas的concat函数将两列合并为一列，例如：

import pandas as pd

df = pd.DataFrame({'A': ['foo', 'bar'], 'B': ['baz', 'qux']})
df['AB'] = pd.concat([df['A'], df['B']])
print(df)

输出：

     A    B   AB
0  foo  baz  foo
1  bar  qux  bar
0  NaN  baz  baz
1  NaN  qux  qux

pandas将两列数据合并为1列

在pandas库中，你可以使用`concat()`、`merge()`或者`join()`函数将两个DataFrame中的两列数据合并到一个新的列中。这里简单介绍几种常见方法：

1. **使用concat()**: 如果你想按照行方向合并，可以将这两列的数据放在单独的DataFrame对象里，然后指定`axis=1`（默认值），表示按列合并。

df1 = pd.DataFrame({'Column1': [1, 2], 'Column2': [3, 4]})
df2 = pd.DataFrame({'Column1': [5, 6], 'Column3': [7, 8]})

merged_df = pd.concat([df1, df2[['Column1', 'Column3']]], axis=1)

2. **使用merge()**: 这通常用于基于共享索引或键的列进行连接。如果你想根据共享的列合并，并创建一个新的列，可以设置`on`参数，并指定结果列名。

if 'shared_key' in df1.columns and 'shared_key' in df2.columns:
    merged_df = pd.merge(df1, df2[['shared_key', 'Column3']], on='shared_key')
    merged_df['NewColumn'] = merged_df['Column1_from_df1'] + merged_df['Column3']

3. **使用join()** (适用于字典-like对象)：

df1 = df1.set_index('shared_key')  # 设置df1的某列为主键
merged_df = df1.join(df2.set_index('shared_key'), how='outer')  # outer join保留所有行
merged_df['NewColumn'] = merged_df[df1.columns[0]] + merged_df[df2.columns[0]]

以上每种方法都假设你有一个共享的列作为合并的关键，如果没有，可能需要先进行一些数据预处理。