pandas合并两列数据

pandas合并两列数据

在数据处理过程中，经常会遇到需要将两列数据合并成一列的情况。在pandas库中，有多种方法可以实现这个功能。本文将详细介绍如何使用pandas库来合并两列数据。

方法一：使用+运算符

最简单的方法是使用+运算符来合并两列数据。假设有如下的数据框：

import pandas as pd

data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8]}

df = pd.DataFrame(data)
print(df)

运行结果：

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

接下来，使用+运算符将列A和列B合并成新的一列C：

df['C'] = df['A'] + df['B']
print(df)

运行结果：

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

方法二：使用pandas的concat函数

另一种方法是使用pandas的concat函数来合并两列数据。假设有如下的数据框：

data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8]}

df = pd.DataFrame(data)
print(df)

运行结果：

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

接下来，使用concat函数将列A和列B合并成新的一列C：

df['C'] = pd.concat([df['A'], df['B']]).reset_index(drop=True)
print(df)

运行结果：

   A  B  C
0  1  5  1
1  2  6  2
2  3  7  3
3  4  8  4
4  5  6  5
5  6  7  6
6  7  8  7
7  8  9  8

方法三：使用pandas的apply函数

还可以使用pandas的apply函数来合并两列数据。假设有如下的数据框：

data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8]}

df = pd.DataFrame(data)
print(df)

运行结果：

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

接下来，使用apply函数将列A和列B合并成新的一列C：

df['C'] = df.apply(lambda row: str(row['A']) + str(row['B']), axis=1)
print(df)

运行结果：

   A  B   C
0  1  5  15
1  2  6  26
2  3  7  37
3  4  8  48

方法四：使用pandas的assign函数

最后一种方法是使用pandas的assign函数来合并两列数据。假设有如下的数据框：

data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8]}

df = pd.DataFrame(data)
print(df)

运行结果：

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

接下来，使用assign函数将列A和列B合并成新的一列C：

df = df.assign(C=df['A'].astype(str) + df['B'].astype(str))
print(df)

运行结果：

   A  B   C
0  1  5  15
1  2  6  26
2  3  7  37
3  4  8  48

通过以上四种方法，我们可以实现对两列数据的合并操作。根据具体情况选择合适的方法进行处理，提高数据处理效率。