Pandas數(shù)據(jù)可以實(shí)現(xiàn)縱向和橫向連接，將數(shù)據(jù)連接后會(huì)形成一個(gè)新對象(Series或DataFrame)

連接是最常用的多個(gè)數(shù)據(jù)合并操作

pd.concat()是專門用于數(shù)據(jù)連接合并的函數(shù)，它可以沿著行或列進(jìn)行操作，同時(shí)可以指定非合并軸的合并方式(如合集、交集等)

pd.concat()會(huì)返回一個(gè)合并后的DataFrame

語法

pd.concat(objs, axis=0, join='outer', ignore_index=False, 
          keys=None, levels=None, names=None, sort=False,
          verify_integrity=False, copy=True)

參數(shù) 

• objs: 需要連接的數(shù)據(jù)，可以是多個(gè)DataFrame或者Series，它是必傳參數(shù)
• axis: 連接軸的方法，默認(rèn)值為0，即按行連接，追加在行后面;值為1時(shí)追加到列后面(按列連接:axis=1)
• join: 合并方式，其他軸上的數(shù)據(jù)是按交集(inner)還是并集(outer)進(jìn)行合并
• ignore_index: 是否保留原來的索引
• keys: 連接關(guān)系，使用傳遞的鍵作為最外層級別來構(gòu)造層次結(jié)構(gòu)索引，就是給每個(gè)表指定一個(gè)一級索引
• names: 索引的名稱，包括多層索引
• verify_integrity: 是否檢測內(nèi)容重復(fù);參數(shù)為True時(shí)，如果合并的數(shù)據(jù)與原數(shù)據(jù)包含索引相同的行，則會(huì)報(bào)錯(cuò)
• copy: 如果為False，則不要深拷貝

1.按行連接

pd.concat()的基本操作可以實(shí)現(xiàn)df.append()功能

操作中ignore_index和sort參數(shù)的作用是一樣的,axis默認(rèn)取值為0，即按行連接

import pandas as pd
df1 = pd.DataFrame({'x':[1,2],'y':[3,4]})
df2 = pd.DataFrame({'x':[5,6],'y':[7,8]})
res1 = pd.concat([df1,df2])
# 效果同上
res2 = df1.append(df2)

df1

df2

res1

res2 

2.按列連接 

如果要將多個(gè)DataFrame按列拼接在一起，可以傳入axis=1參數(shù)，這會(huì)將不同的數(shù)據(jù)追加到列的后面，索引無法對應(yīng)的位置上將值填充為NaN

import pandas as pd
df1 = pd.DataFrame({'x':[1,2],'y':[3,4]})
df2 = pd.DataFrame({'x':[5,6,0],'y':[7,8,0]})
res = pd.concat([df1,df2], axis=1)

df1

df2

res 

該例子中，df2比df1多一行，合并后df1的部分為NaN 

3.合并交集

上述兩個(gè)練習(xí)案例的連接操作會(huì)得到兩個(gè)表內(nèi)容的并集(默認(rèn)是join='outer')

合并交集需要將join參數(shù)進(jìn)行改變 join='inner'

import pandas as pd
df1 = pd.DataFrame({'x':[1,2],'y':[3,4]})
df2 = pd.DataFrame({'x':[5,6,0],'y':[7,8,0]})
# 按列合并交集
# 傳入join='inner'取得兩個(gè)DataFrame的共有部分，去除了df1沒有的第三行內(nèi)容
res = pd.concat([df1,df2], axis=1, join='inner')

df1

df2

res 

擴(kuò)展 

通過reindex()方法也可以實(shí)現(xiàn)取交集功能

# 兩種方法
res1 = pd.concat([df1,df2],axis=1).reindex(df1.index)
res2 = pd.concat([df1,df2.reindex(df1.index)],axis=1)

res1

res2 

4.與序列合并 

import pandas as pd
z = pd.Series([9,9],name='z')
df = pd.DataFrame({'x':[1,2],'y':[3,4]})
# 將序列加到新列
res = pd.concat([df,z],axis=1)

z

df

res 

5.指定索引

import pandas as pd
df1 = pd.DataFrame({'x':[1,2],'y':[3,4]})
df2 = pd.DataFrame({'x':[5,6],'y':[7,8]})
# 指定索引名
res1 = pd.concat([df1,df2], keys=['a','b'])
# 以字典形式傳入
dict = {'a':df1, 'b':df2}
res2 = pd.concat(dict)
# 橫向合并，指定索引
res3 = pd.concat([df1,df2], axis=1, keys=['a','b'])

df1

df2

res1

res2

res3 

到此這篇關(guān)于Pandas數(shù)據(jù)連接pd.concat的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Pandas數(shù)據(jù)連接pd.concat內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論