pandas合并列-pandas数据处理：巧用concat函数，轻松合并多列

在数据处理和分析中，pandas是一款强大而受欢迎的工具。在使用pandas时，我们经常需要合并多个列，以便更好地进行数据处理和分析。下面我将分享一些关于如何使用pandas合并列的经验。

1.使用concat函数进行列合并

首先，我们可以使用concat函数来合并列。这个函数可以接受一个包含多个DataFrame的列表，并将它们按照列方向进行合并。具体操作如下：

python
import pandas as pd
#创建两个DataFrame
df1 = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
df2 = pd.DataFrame({'C':[7,8,9],'D':[10, 11, 12]})
#使用concat函数进行列合并
result = pd.concat([df1, df2], axis=1)
print(result)

上述代码中，我们创建了两个DataFrame df1和df2，并使用concat函数将它们按照列方向进行合并。运行结果如下：

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

可以看到，通过concat函数成功地将两个DataFrame的列合并在一起。

2.使用join方法进行列合并

除了concat函数，pandas还提供了join方法用于进行列合并。这个方法可以接受另一个DataFrame作为参数，并将其列与当前DataFrame进行合并。具体操作如下：

```python

import pandas as pd

#创建两个DataFrame

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

telegeram官方app：https://zbdszx.com/danji/15232.html