使用pandas忽略行列索引,纵向拼接多个dataframe

使用pandas拼接多个dataframe是数据分析中常用的操作，可以将多个数据表合并成一个大表进行分析。

在拼接多个dataframe时，经常需要忽略原有的行列索引，重新构建新的索引。同时，在纵向拼接时，需要注意列名的一致性，以及缺失值的处理。

下面是使用pandas忽略行列索引，纵向拼接多个dataframe的步骤：

1.加载pandas库

import pandas as pd

2.使用pd.concat()函数进行多个dataframe的纵向拼接

df_merged = pd.concat([df_1, df_2, df_3], ignore_index=True)

在此步骤中，pd.concat()函数是用来进行两个或多个dataframe的拼接。ignore_index参数可以将原有的行索引忽略，重新构建新的行索引。

3.查看拼接后的dataframe

print(df_merged)

示例一：

假设现在有两个dataframe，具体内容如下：

df_1：

	A	B
0	1	2
1	3	4

df_2：

	A	C
0	5	6
1	7	8

现在要将这两个dataframe纵向拼接，忽略原有的行索引。则可以按照如下操作：

import pandas as pd

df_1 = pd.DataFrame({'A': [1, 3], 'B': [2, 4]})
df_2 = pd.DataFrame({'A': [5, 7], 'C': [6, 8]})

df_merged = pd.concat([df_1, df_2], ignore_index=True)

print(df_merged)

输出结果为：

	A	B	C
0	1	2	NaN
1	3	4	NaN
2	5	NaN	6
3	7	NaN	8

可以看到，在第三行和第四行中，由于列名不一致，导致了缺失值的出现。

示例二：

假设现在有三个dataframe，具体内容如下：

df_1：

	A	B
0	1	2
1	3	4

df_2：

	C	D
0	5	6
1	7	8

df_3：

	B	E
0	9	10
1	11	12

现在要将这三个dataframe纵向拼接，忽略原有的行索引。则可以按照如下操作：

import pandas as pd

df_1 = pd.DataFrame({'A': [1, 3], 'B': [2, 4]})
df_2 = pd.DataFrame({'C': [5, 7], 'D': [6, 8]})
df_3 = pd.DataFrame({'B': [9, 11], 'E': [10, 12]})

df_merged = pd.concat([df_1, df_2, df_3], ignore_index=True)

print(df_merged)

输出结果为：

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

可以看到，在第一列、第二列、第三列、第四列中，都存在缺失值。在实际工作中，需要根据数据的特点进行缺失值的处理。