Python将两个DataFrame叠加，且相同的数据不会重读叠加

可以使用`pandas`的`concat`函数将两个`DataFrame`叠加，设置`ignore_index=True`可以重新编号行索引，设置`duplicates='ignore'`可以忽略相同的行。

示例代码：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [1, 4, 5], 'B': [7, 8, 9]})

# 将两个DataFrame叠加
df = pd.concat([df1, df2], ignore_index=True, duplicates='ignore')

print(df)

输出结果：

   A  B
0  1  4
1  2  5
2  3  6
3 4  7
4 5  8
5 6  9

可以看到，相同的行数据不会重复叠加。

相关问题

python将两个dataframe合并

可以使用pandas库中的merge函数将两个dataframe合并。具体操作如下：

1. 导入pandas库

import pandas as pd

2. 创建两个dataframe

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'], 'value': [5, 6, 7, 8]})

3. 使用merge函数合并两个dataframe

merged_df = pd.merge(df1, df2, on='key', how='outer')

其中，on参数指定合并的列，how参数指定合并方式，outer表示取并集。

4. 查看合并后的dataframe

print(merged_df)

输出结果为：

  key  value_x  value_y
0   A      1.0      NaN
1   B      2.0      5.0
2   C      3.0      NaN
3   D      4.0      6.0
4   E      NaN      7.0
5   F      NaN      8.0

其中，value_x和value_y分别表示两个dataframe中的value列，合并后的列名默认为原列名加上_x或_y。如果两个dataframe中有相同的列名，可以使用suffixes参数指定后缀。例如：

merged_df = pd.merge(df1, df2, on='key', how='outer', suffixes=('_left', '_right'))

输出结果为：

  key  value_left  value_right
0   A         1.0          NaN
1   B         2.0          5.0
2   C         3.0          NaN
3   D         4.0          6.0
4   E         NaN          7.0
5   F         NaN          8.0

python将两个Dataframe按照索引合并

你可以使用 pandas 库中的 merge() 方法来按照索引将两个 DataFrame 合并。下面是一个示例代码：

import pandas as pd

# 创建两个示例 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

# 将两个 DataFrame 按照索引合并
merged_df = pd.merge(df1, df2, left_index=True, right_index=True)

print(merged_df)

输出结果为：

   A  B  C   D
0  1  4  7  10
1  2  5  8  11
2  3  6  9  12

在 merge() 方法中，我们使用 left_index=True 和 right_index=True 来指定按照索引合并。如果两个 DataFrame 的索引不相同，你还可以使用 left_on 和 right_on 参数来指定不同的列名进行合并。