python pandas:合并两个数据框，但没有合并重复行

在Python中，可以使用pandas库来合并两个数据框，即DataFrame对象。合并数据框可以通过多种方式进行，例如使用merge()函数、concat()函数或者join()函数。下面是对这些方法的详细解释：

merge()函数：merge()函数可以根据一个或多个键（即列名）将两个数据框按照某种方式进行合并。常见的合并方式包括内连接、左连接、右连接和外连接。合并后的数据框将包含两个原始数据框中的所有列，并根据指定的键进行匹配。如果没有指定键，则merge()函数将根据两个数据框中的相同列名进行匹配。以下是一个示例：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df2 = pd.DataFrame({'A': [3, 4, 5], 'C': ['x', 'y', 'z']})

# 使用merge()函数进行合并
merged_df = pd.merge(df1, df2, on='A', how='inner')
print(merged_df)

输出结果为：

   A  B  C
0  3  c  x

在上面的示例中，我们使用了merge()函数将df1和df2按照列"A"进行内连接合并，即只保留两个数据框中"A"列匹配的行。

concat()函数：concat()函数可以将两个数据框沿着指定的轴（默认为行轴）进行简单的连接。连接后的数据框将包含两个原始数据框中的所有列，并根据连接轴进行排列。以下是一个示例：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df2 = pd.DataFrame({'A': [3, 4, 5], 'C': ['x', 'y', 'z']})

# 使用concat()函数进行连接
concatenated_df = pd.concat([df1, df2])
print(concatenated_df)

输出结果为：

   A    B    C
0  1    a  NaN
1  2    b  NaN
2  3    c  NaN
0  3  NaN    x
1  4  NaN    y
2  5  NaN    z

在上面的示例中，我们使用了concat()函数将df1和df2按照默认的行轴进行连接，即将两个数据框按行堆叠在一起。

join()函数：join()函数可以根据索引将两个数据框进行连接。连接后的数据框将包含两个原始数据框中的所有列，并根据索引进行匹配。以下是一个示例：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, index=[0, 1, 2])
df2 = pd.DataFrame({'C': ['x', 'y', 'z']}, index=[2, 3, 4])

# 使用join()函数进行连接
joined_df = df1.join(df2, how='inner')
print(joined_df)

输出结果为：