pandas合并两个dataframe，按行合并

### 回答1： 要将两个DataFrame按行合并（即按行连接），可以使用pandas中的concat()函数。下面是使用concat()函数按行合并两个DataFrame的示例代码： ``` python import pandas as pd # 创建两个DataFrame df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]}) # 将两个DataFrame按行合并 result = pd.concat([df1, df2]) print(result) ``` 上述代码中，首先通过pd.DataFrame()函数创建了两个DataFrame，然后使用pd.concat()函数将这两个DataFrame按行合并，并将结果存储在result变量中。最后，将结果打印出来。 输出结果如下： ``` A B 0 1 4 1 2 5 2 3 6 0 7 10 1 8 11 2 9 12 ``` 在合并后的结果中，行索引是连续的整数，这是由于原始DataFrame的行索引也是连续的整数。如果要重新设置行索引，可以使用reset_index()函数，如下所示： ``` python result = pd.concat([df1, df2]).reset_index(drop=True) print(result) ``` 在reset_index()函数中，参数drop=True表示删除原始的行索引，使用默认的连续整数作为新的行索引。 输出结果如下： ``` A B 0 1 4 1 2 5 2 3 6 3 7 10 4 8 11 5 9 12 ``` ### 回答2： Pandas是一个强大的数据处理工具，可以用它来合并两个DataFrame，按行合并的方法有多种。 一种常见的方法是使用concat函数，可以将两个DataFrame按行合并为一个新的DataFrame。具体操作可以按照以下步骤进行： 1. 首先，通过import语句导入pandas库，并创建两个要合并的DataFrame，假设分别为df1和df2。 2. 使用concat函数，将df2合并到df1的下方，设置参数axis=0表示按行合并。合并后的新DataFrame可以赋值给一个新的变量，比如df3。 3. 最后，可以使用print函数输出合并后的df3，查看结果。 下面是具体的示例代码： ``` import pandas as pd # 创建两个DataFrame df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]}) # 合并两个DataFrame df3 = pd.concat([df1, df2], axis=0) # 输出合并后的DataFrame print(df3) ``` 上述代码中，df1是一个包含两列数据的DataFrame，df2也是一个包含两列数据的DataFrame。通过concat函数将两个DataFrame按行合并为df3，并且按照顺序保留原来的行顺序。 希望以上解答对您有帮助，如有任何疑问，请随时追问。 ### 回答3： Pandas是一个强大的数据分析工具，可以用于处理和操作数据。在Pandas中，可以使用concat()函数将两个DataFrame按行合并。 下面是一个用于合并两个DataFrame的示例代码： ```python import pandas as pd # 创建两个DataFrame df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]}) # 合并两个DataFrame df = pd.concat([df1, df2], axis=0, ignore_index=True) print(df) ``` 在上面的代码中，首先导入pandas库，并创建了两个DataFrame（df1和df2）。然后，使用concat()函数将这两个DataFrame按行合并为一个新的DataFrame（df），并将结果存储在df变量中。concat()函数可以指定axis参数为0，表示按行合并；ignore_index参数为True，表示重新索引合并的结果。 最后，使用print()函数打印合并后的DataFrame（df）。 执行上述代码，输出结果如下： ``` A B 0 1 4 1 2 5 2 3 6 3 7 10 4 8 11 5 9 12 ``` 可以看到，合并后的DataFrame按照原有的顺序进行了合并，并且重新索引了结果的行号。 以上就是使用Pandas按行合并两个DataFrame的方法。希望对你有帮助！