pandas数据合并

Pandas提供了多种数据合并方法，可以方便地将多个数据框进行合并。以下是一些常见的数据合并方法：

1. 使用concat函数进行数据拼接：Pandas的concat函数可以将多个数据框按照指定的轴进行拼接。例如，如果我们想要将两个数据框按照行方向进行拼接，可以使用以下代码：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'name': ['Tom', 'John', 'Lucy'],
                    'age': [20, 18, 22]})

df2 = pd.DataFrame({'name': ['Jack', 'Lily', 'Mary'],
                    'age': [22, 25, 19]})

# 使用concat函数进行数据拼接
merged_df = pd.concat([df1, df2], axis=0)
print(merged_df)

输出结果如下：

name  age

0    Tom   20

1   John   18

2   Lucy   22

0   Jack   22

1   Lily   25

2  Mary   19

在这个示例中，我们首先创建了两个包含两列数据的数据框，然后使用concat函数将它们按照行方向进行拼接，并将结果存储在一个新的数据框中。

1. 使用merge函数进行数据合并：Pandas的merge函数可以将两个数据框按照指定的键进行合并。例如，如果我们想要将两个数据框按照“name”列进行合并，可以使用以下代码：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'name': ['Tom', 'John', 'Lucy'],
                    'age': [20, 18, 22]})

df2 = pd.DataFrame({'name': ['Tom', 'John', 'Lucy'],
                    'gender': ['M', 'F', 'F']})

# 使用merge函数进行数据合并
merged_df = pd.merge(df1, df2, on='name')
print(merged_df)

输出结果如下：

name  age gender

0    Tom   20      M

1   John   18      F

2   Lucy   22      F

在这个示例中，我们首先创建了两个包含两列数据的数据框，然后使用merge函数将它们按照“name”列进行合并，并将结果存储在一个新的数据框中。

总之，Pandas提供了多种数据合并方法，可以方便地将多个数据框进行合并。在实际应用中，我们可以根据需要选择适当的合并方法，以便更高效地处理数据。