有没有办法在导入到pandas时直接合并csv文件？

在导入到pandas时，可以使用pandas.concat()函数直接合并多个CSV文件。pandas.concat()函数可以按照指定的轴（默认为0，即按行合并）将多个DataFrame对象连接在一起。

以下是一个示例代码：

import pandas as pd
import glob

# 获取所有CSV文件的文件路径
file_paths = glob.glob('*.csv')

# 创建一个空的DataFrame用于存储合并后的数据
merged_data = pd.DataFrame()

# 循环读取并合并所有CSV文件
for file_path in file_paths:
    df = pd.read_csv(file_path)
    merged_data = pd.concat([merged_data, df])

# 打印合并后的数据
print(merged_data)

上述代码中，首先使用glob.glob()函数获取当前目录下所有的CSV文件路径，并存储在file_paths列表中。然后创建一个空的DataFrame对象merged_data用于存储合并后的数据。

接下来，使用循环遍历每个CSV文件的路径，使用pd.read_csv()函数读取CSV文件并将其存储在名为df的DataFrame对象中。然后使用pd.concat()函数将df与merged_data进行合并，并将合并后的结果重新赋值给merged_data。

最后，打印合并后的数据merged_data。

这种方法适用于需要合并多个CSV文件的情况，例如多个CSV文件包含相同的列，但是行数不同。