### 使用 Jupyter 合并多个处理后的表格数据 在 Jupyter Notebook 中合并多个表格数据是一项常见的数据预处理任务，适用于数据分析、机器学习等多种场景。根据不同的数据结构和需求，可以采用多种方法进行高效合并。 #### 沿行方向合并多个表格 当多个表格具有相同的列结构时，可以通过 `pandas.concat` 方法将它们沿行方向合并。这种方式特别适用于需要整合多个具有相同字段的 Excel 或 CSV 文件的情况。例如，每个月生成一个销售记录文件，最终需要汇总为一个年度数据表。 ```python import pandas as pd # 读取多个 Excel 文件并合并 df_list = [pd.read_excel(f"month_{i}.xlsx") for i in range(1, 13)] combined_df = pd.concat(df_list, ignore_index=True) # 输出合并后的数据到新的 Excel 文件 combined_df.to_excel("combined_sales.xlsx", index=False) ``` 该方法利用了列表推导式快速读取多个文件，并通过 `concat` 函数进行垂直拼接，最后输出为一个新的 Excel 文件[^2]。 #### 基于公共键合并多个表格 当多个表格之间存在某种逻辑关联（如用户 ID、订单编号等），可以使用 `pandas.merge` 方法基于某一列进行合并。这种方式支持多种连接方式，包括内连接、外连接、左连接和右连接，能够灵活应对不同场景的数据整合需求。 ```python left_df = pd.read_excel("user_info.xlsx") right_df = pd.read_excel("user_scores.xlsx") # 使用 ID 列进行左连接 merged_df = pd.merge(left_df, right_df, on="ID", how="left") merged_df.to_excel("merged_user_data.xlsx", index=False) ``` 此方法适用于两个数据集之间存在一对一或一对多关系的情况，确保数据的完整性与一致性[^2]。 #### 基于索引合并多个表格 若表格之间的关联是通过索引建立的，可以使用 `join` 方法进行合并。这种方式在处理时间序列数据或已设置自定义索引的表格时非常有效。 ```python left_df = pd.read_excel("data_part1.xlsx").set_index("Date") right_df = pd.read_excel("data_part2.xlsx").set_index("Date") joined_df = left_df.join(right_df, how="outer") joined_df.to_excel("joined_data.xlsx", index=True) ``` 此方法允许基于索引执行左连接、右连接、内连接或外连接，从而实现更复杂的数据对齐与合并操作。 --- ###