在 Jupyter Notebook 中合并多个数据表通常涉及使用 Python 的数据处理库，如 Pandas。Pandas 提供了多种方法来合并和连接数据表，包括 `merge`、`concat` 和 `join` 等函数。以下是一些常见的数据表合并方法及其使用示例： ### 使用 `pandas.concat` 合并数据表 `pandas.concat` 函数用于沿特定轴将多个 DataFrame 对象连接在一起。 ```python import pandas as pd # 创建两个示例数据表 df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3]) df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'], 'D': ['D4', 'D5', 'D6', 'D7']}, index=[4, 5, 6, 7]) # 沿行方向（axis=0）合并数据表 result = pd.concat([df1, df2]) print(result) ``` ### 使用 `pandas.merge` 合并数据表 `pandas.merge` 函数用于基于一个或多个键将不同的 DataFrame 连接起来，类似于 SQL 中的 JOIN 操作。 ```python # 创建两个示例数据表 left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3']}) right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'B': ['B0', 'B1', 'B2', 'B3']}) # 基于 'key' 列进行内连接 result = pd.merge(left, right, on='key') print(result) ``` ### 使用 `DataFrame.join` 合并数据表 `DataFrame.join` 方法是另一种方式来组合 DataFrame 对象，它主要用于基于索引的连接操作。 ```python # 创建两个示例数据表 left = pd.DataFrame({'A': ['A0', 'A1', 'A2'], 'B': ['B0', 'B1', 'B2']}, index=['K0', 'K1', 'K2']) right = pd.DataFrame({'C': ['C0', 'C1', 'C2']}, index=['K0', 'K1', 'K2']) # 基于索引进行左连接 result = left.join(right) print(result) ``` 这些方法可以根据具体的数据结构和需求进行调整[^1]。