溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
1 concat
concat函數是在pandas底下的方法，可以將數據根據不同的軸作簡單的融合
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False)
參數說明
其他一些參數不常用，用的時候再補上說明。
1.1 相同字段的表首尾相接
# 現將表構成list，然后在作為concat的輸入 In [4]: frames = [df1, df2, df3] In [5]: result = pd.concat(frames)
要在相接的時候在加上一個層次的key來識別數據源自于哪張表，可以增加key參數
In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])
效果如下
1.2 橫向表拼接（行對齊）
1.2.1 axis
當axis = 1的時候，concat就是行對齊，然后將不同列名稱的兩張表合并
In [9]: result = pd.concat([df1, df4], axis=1)
1.2.2 join
加上join參數的屬性，如果為'inner'得到的是兩表的交集，如果是outer，得到的是兩表的并集。
In [10]: result = pd.concat([df1, df4], axis=1, join='inner')
1.2.3 join_axes
如果有join_axes的參數傳入，可以指定根據那個軸來對齊數據
例如根據df1表對齊數據，就會保留指定的df1表的軸，然后將df4的表與之拼接
In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])
1.3 append
append是series和dataframe的方法，使用它就是默認沿著列進行憑借（axis = 0，列對齊）
In [12]: result = df1.append(df2)
1.4 無視index的concat
如果兩個表的index都沒有實際含義，使用ignore_index參數，置true，合并的兩個表就睡根據列字段對齊，然后合并。最后再重新整理一個新的index。
1.5 合并的同時增加區分數據組的鍵
前面提到的keys參數可以用來給合并后的表增加key來區分不同的表數據來源
1.5.1 可以直接用key參數實現
In [27]: result = pd.concat(frames, keys=['x', 'y', 'z'])
1.5.2 傳入字典來增加分組鍵
In [28]: pieces = {'x': df1, 'y': df2, 'z': df3}
In [29]: result = pd.concat(pieces)
1.6 在dataframe中加入新的行
append方法可以將 series 和 字典就夠的數據作為dataframe的新一行插入。
In [34]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D']) In [35]: result = df1.append(s2, ignore_index=True)
表格列字段不同的表合并
如果遇到兩張表的列字段本來就不一樣，但又想將兩個表合并，其中無效的值用nan來表示。那么可以使用ignore_index來實現。
In [36]: dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4},
....: {'A': 5, 'B': 6, 'C': 7, 'Y': 8}]
....:
In [37]: result = df1.append(dicts, ignore_index=True)
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
