pd.concat连接两个表，按照左边连接

如果要使用pd.concat连接两个表，并且按照左边的表进行连接，可以将参数axis设置为1。示例如下：

import pandas as pd

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

# 使用pd.concat连接两个表，并按照左边的表进行连接
result = pd.concat([df1, df2], axis=1)

print(result)

输出结果如下：

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

这里使用了pd.concat函数将df1和df2连接起来，并将参数axis设置为1，表示按照列进行连接。在连接的结果中，左边是df1，右边是df2。

相关问题

pd.concat连接两个表

是的，pd.concat()函数可以用来连接两个表。假设你有两个表df1和df2，你可以使用以下代码将它们连接在一起：

import pandas as pd

# 创建两个示例数据帧
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

# 使用pd.concat()函数连接数据帧
result = pd.concat([df1, df2])

print(result)

输出结果如下：

    A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
0  A4  B4  C4  D4
1  A5  B5  C5  D5
2  A6  B6  C6  D6
3  A7  B7  C7  D7

可以看到，pd.concat()函数将df1和df2沿着行方向连接在一起，形成了一个新的数据帧result。需要注意的是，在这个例子中，df1和df2的列名是相同的，如果列名不相同，你需要使用参数axis=1来连接它们。

pd.concat连接两个表，合并重复

使用 `pd.concat` 函数可以将两个表按照行或列进行合并。如果两个表存在重复的行或列，可以使用参数来进行去重。下面是一个例子：

假设有两个表 `df1` 和 `df2`：

import pandas as pd

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

df2 = pd.DataFrame({'A': [1, 2, 4],
                    'B': [4, 5, 7],
                    'C': [7, 8, 10]})

现在我们想要将这两个表按照列进行合并，同时去除重复的行。可以使用如下的代码：

result = pd.concat([df1, df2], axis=1, join='inner')
result = result.loc[:,~result.columns.duplicated()]

这里使用了 `pd.concat` 函数来将两个表按照列进行合并，并且使用了 `join='inner'` 参数来去除重复的行。此外，由于 `pd.concat` 函数默认会保留重复的列名，因此我们使用了 `loc[:,~result.columns.duplicated()]` 来去除重复的列。