Pandas中如何合并多个数据集

在Pandas中，可以使用concat()和merge()函数来合并多个数据集。以下是这两种方法的简要说明和示例：

1. concat() 函数

concat()函数用于沿着一条轴将多个对象堆叠到一起。它通常用于合并具有相同列或行的数据集。

示例：

import pandas as pd

# 创建两个数据集
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                    'B': ['B0', 'B1', 'B2']},
                   index=[0, 1, 2])

df2 = pd.DataFrame({'A': ['A3', 'A4', 'A5'],
                    'B': ['B3', 'B4', 'B5']},
                   index=[3, 4, 5])

# 使用concat()合并数据集
result = pd.concat([df1, df2])
print(result)

2. merge() 函数

merge()函数用于根据一个或多个键将不同的DataFrame的行连接起来。它类似于SQL中的JOIN操作。

示例：

import pandas as pd

# 创建两个数据集
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
                    'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3']})

df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K4'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

# 使用merge()合并数据集
result = pd.merge(df1, df2, on='key')
print(result)

合并多个数据集

如果你需要合并多个数据集，可以先使用concat()将它们堆叠在一起，然后再使用merge()进行连接。

示例：

import pandas as pd

# 创建三个数据集
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2'],
                    'A': ['A0', 'A1', 'A2']})

df2 = pd.DataFrame({'key': ['K0', 'K1', 'K3'],
                    'B': ['B0', 'B1', 'B3']})

df3 = pd.DataFrame({'key': ['K0', 'K1', 'K4'],
                    'C': ['C0', 'C1', 'C4']})

# 使用concat()将数据集堆叠在一起
stacked_df = pd.concat([df1, df2, df3], ignore_index=True)

# 使用merge()合并数据集
result = pd.merge(stacked_df, df1, on='key')
print(result)

通过这些方法，你可以灵活地合并多个数据集以满足你的需求。