1In [1]: df1 = pd.DataFrame(
2 ...: {
3 ...: "A": ["A0", "A1", "A2", "A3"],
4 ...: "B": ["B0", "B1", "B2", "B3"],
5 ...: "C": ["C0", "C1", "C2", "C3"],
6 ...: "D": ["D0", "D1", "D2", "D3"],
7 ...: },
8 ...: index=[0, 1, 2, 3],
9 ...: )
10
11In [8]: df4 = pd.DataFrame(
12 ...: {
13 ...: "B": ["B2", "B3", "B6", "B7"],
14 ...: "D": ["D2", "D3", "D6", "D7"],
15 ...: "F": ["F2", "F3", "F6", "F7"],
16 ...: },
17 ...: index=[2, 3, 6, 7],
18 ...: )
19 ...:
20
21In [9]: result = pd.concat([df1, df4], axis=1)
22# This will merge columns of both the dataframes
1In [1]: df1 = pd.DataFrame(
2 ...: {
3 ...: "A": ["A0", "A1", "A2", "A3"],
4 ...: "B": ["B0", "B1", "B2", "B3"],
5 ...: "C": ["C0", "C1", "C2", "C3"],
6 ...: "D": ["D0", "D1", "D2", "D3"],
7 ...: },
8 ...: index=[0, 1, 2, 3],
9 ...: )
10 ...:
11
12In [2]: df2 = pd.DataFrame(
13 ...: {
14 ...: "A": ["A4", "A5", "A6", "A7"],
15 ...: "B": ["B4", "B5", "B6", "B7"],
16 ...: "C": ["C4", "C5", "C6", "C7"],
17 ...: "D": ["D4", "D5", "D6", "D7"],
18 ...: },
19 ...: index=[4, 5, 6, 7],
20 ...: )
21 ...:
22
23In [3]: df3 = pd.DataFrame(
24 ...: {
25 ...: "A": ["A8", "A9", "A10", "A11"],
26 ...: "B": ["B8", "B9", "B10", "B11"],
27 ...: "C": ["C8", "C9", "C10", "C11"],
28 ...: "D": ["D8", "D9", "D10", "D11"],
29 ...: },
30 ...: index=[8, 9, 10, 11],
31 ...: )
32 ...:
33
34In [4]: frames = [df1, df2, df3]
35
36In [5]: result = pd.concat(frames)
1# Pandas for Python
2
3df['col1 & col2'] = df['col1']+df['col2']
4
5#Output
6#col1 col2 col1 & col2
7#A1 A2 A1A2
8#B1 B2 B1B2