Python将两个数据集的两列转换为一列，保留列名和数据类型

我有两个带有保单编号的数据集：

df_only 1[政策编号]

df_only 2[政策编号]

我想将政策编号附加到一个数据集中：df_related_pols['policy_no'] 保留dataformat（字符串，尽管它们是数字）和列名，以便稍后使用

---

isin（df_related_pols['Policy_no']）。

似乎您需要panda的

concat来实现您想要实现的目标。这有用吗

import pandas as pd
data_only1 = {'Policy_no':[100,101,102,103]}
data_only2 = {'Policy_no':[110,111,112,113]}

df_only1 = pd.DataFrame(data_only1)
df_only2 = pd.DataFrame(data_only2)

df_relevant_pols = pd.concat([df_only1,df_only2])
df_relevant_pols['Policy_no'] = df_relevant_pols['Policy_no'].astype(str)
print(df_relevant_pols)

输出：

   Policy_no
0        100
1        101
2        102
3        103
0        110
1        111
2        112
3        113

当然，如果您不想从两个数据帧中保留原始索引，您可以执行
.reset_index（）
。
如果您只想使用它们检查
isin（df_related_pols['Policy_no']）
，您可以创建一个集合，使用
is_in（）
进行比较时比使用列表更快

可能看起来是这样的：

df1 = pd.DataFrame({'Policy_no':[0,1,3,6]})
df2 = pd.DataFrame({'Policy_no':[0,2,4]})

policy_numbers = set(np.append(df1.Policy_no.values, df2.Policy_no.values))
# Result: {0, 1, 2, 3, 4, 6}


然后，当您要筛选时：

df3 = pd.DataFrame({'Policy_no':[i for i in range(10)]})
df3[df3.Policy_no.isin(policy_numbers)]

   Policy_no
0          0
1          1
2          2
3          3
4          4
6          6

请看一看，并提供一个包括样本输入、样本输出和您迄今为止尝试的代码的示例。从基本描述来看，它听起来像是一个简单的
pd.merge