欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Pandas中的轴向堆叠数据—concat()方法

程序员文章站 2022-04-21 19:19:16
concat()函数可以沿着一条轴将多个对象堆叠,其使用方式类似数据表合并,语法格式如下:Pandas.concat(objs,axis=0,join=“outer”,join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verify_itegrity=False,sort=None,...

      concat()函数可以沿着一条轴将多个对象堆叠,其使用方式类似数据表合并,语法格式如下:

      Pandas.concat(objs,axis=0,join=“outer”,join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verify_itegrity=False,sort=None,copy=True)

上述函数中常用参数表示的含义如下:

  1. axis:表示连接的轴向,可以为0或1,默认为0。      //axis=0,竖直方向合并;axis=1,水平方向合并
  2. join:表示连接的方式,inner表示内连接,outer表示外连接,默认使用外连接。
          //内连接,得到索引的交集的数据;外连接,得到索引并集的数据
  3. ignore_index:接受布尔值,默认为False。如果设置为True,则表示清除现有索引并重置索引值。
  4. keys:接受序列,表示添加最外层索引。
  5. levels:用于构建MultiIndex的特定级别(唯一值)。
  6. names:在设置了keys和level 参数后,用于创建分层级别的名称。
  7. verify_integerity:检查新的连接轴是否包含重复项。接受布尔值,当设置为True时,如果有重复的轴将会抛出错误,默认为False。

一、横向堆叠与外连接
      当使用concat()函数合并时,若是将axis参数的值设为1,且 join 参数的值设为outer,则说明使用横向堆叠与外连接的方式进行合并。

Pandas中的轴向堆叠数据—concat()方法

import pandas as pd      #数据合并,join默认为outer外连接(拿并集),inner内连接(拿交集)
df1=pd.DataFrame({'A':['A0','A0','A1']
                 ,'B':['B0','B0','B1']})
df2=pd.DataFrame({'C':['C0','C0','C1','C3']
                 ,'D':['D0','D2','D2','D3']})

Pandas中的轴向堆叠数据—concat()方法

pd.concat([df1,df2],join='outer',axis=1)

二、纵向堆叠与内连接
      当使用concat()函数合并时,若是将axis参数的值设为0,且join参数的值设为inner,则表明使用纵向堆叠与内连接的方式进行合并。

Pandas中的轴向堆叠数据—concat()方法

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2']
                 ,'B':['B0','B1','B2']
                 ,'C':['C0','C1','C2']})
df2=pd.DataFrame({'B':['B3','B4','B5']
                 ,'C':['C3','C4','C5']
                 ,'D':['D3','D4','D5']})

df1

df2

Pandas中的轴向堆叠数据—concat()方法

pd.concat([df1,df2],join='inner',axis=0)   #纵向堆叠与内连接

ignore_index参数的用法:
Pandas中的轴向堆叠数据—concat()方法

df1

df2

pd.concat([df1,df2],ignore_index=True)    #清除现有的索引并重新分配索引值

作者:KJ.JK
本文仅用于交流学习,未经作者允许,禁止转载,更勿做其他用途,违者必究。
文章对你有所帮助的话,欢迎给个赞或者 star 呀,你的支持是对作者最大的鼓励,不足之处可以在评论区多多指正,交流学习呀。

本文地址:https://blog.csdn.net/m0_47384542/article/details/109962417