多个dataframe按行拼接

您可以使用 pandas 库中的 concat 函数，将多个 dataframes 按行拼接。下面是一个示例代码：

import pandas as pd

# 创建三个示例 dataframes
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
df3 = pd.DataFrame({'A': [9, 10], 'B': [11, 12]})

# 使用 concat 函数按行拼接
result = pd.concat([df1, df2, df3], ignore_index=True)

print(result)

输出结果如下：

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

其中，参数 `ignore_index=True` 表示重置索引。如果不设置该参数，则每个 dataframes 合并后的索引会是原来的索引。

相关问题

将dataframe按列拼接

在Pandas库中，如果你想将DataFrame按照列进行拼接（通常称为堆叠或concatenate），你可以使用`pd.concat()`函数。这个函数能够沿着指定的轴方向（默认为行，即axis=0；如果你想要沿列，设置axis=1）将两个或更多的DataFrame合并。

具体步骤如下：

import pandas as pd

# 假设我们有两个DataFrame df1和df2
df1 = pd.DataFrame({
    'A': ['foo', 'bar'],
    'B': ['one', 'two']
})

df2 = pd.DataFrame({
    'A': ['baz', 'qux'],
    'C': ['three', 'four']
})

# 按照列拼接
stacked_df = pd.concat([df1, df2], axis=1)

执行上述代码后，`stacked_df`将会是一个新的DataFrame，其中包含了原来df1和df2的所有列。如果某些列名相同，你可以设置`join='inner'`保留唯一列名，或使用其他选项处理重叠的列。

两个dataframe按行合并

在Pandas中，如果你想将两个DataFrame按照行进行合并，通常有两种方式：`concat` 和 `merge`。这里分别解释一下：

1. **使用`concat`**:
当你想要简单地把两列DataFrame拼接在一起，形成一个新的DataFrame，且不需要基于某个键进行连接，这时可以使用`pd.concat()`. 这通常是水平合并（stacking），不是传统的基于索引或列名的行合并。

   df1 = ...  # 第一个DataFrame
   df2 = ...  # 第二个DataFrame

   combined_df = pd.concat([df1, df2], ignore_index=True)  # ignore_index=True会使新索引从0开始

2. **使用`merge`**:
如果你想根据某列或多列的值进行行级合并，通常使用`merge`函数。例如，假设两个DataFrame都有一个共同的索引列`key`：

   df1 = ...  # 第一个DataFrame
   df2 = ...  # 第二个DataFrame (同样有相同的`key`列)

   merged_df = pd.merge(df1, df2, on='key', how='inner')  # 或者'left', 'right', 'outer'，取决于需要

这里`how='inner'`表示保留两个DataFrame中共享`key`值的行。