python之concat（自用）

一、简述

        pd.concat()函数可以沿着指定的轴将多个dataframe或者series拼接到一起，这一点和另一个常用的pd.merge()函数不同，pd.merge()函数只能实现两个表的拼接。 

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

        以上是有关pd.concat()函数的所有参数，接下来通过例子对常用参数进行讲解。

二、参数axis

        假设有两个来自不同部门的表格，一个来自销售部门，一个来自人力部门，这两个表一般会有一两个相同的列，大多数列名不同，但是行索引相同，因为是对同一批人不同信息的统计。

来自销售部门的表df_s：

来自人力部门的表df_h：

pd.merge([df_s,df_h],axis=1)

        axis = 1，自动按照行索引对齐。

pd.concat([df1, df4], axis=1)

三、参数keys和names

        当表格拼接完成后，就不能判断到底哪些数据是来自于哪一个表了，如果需要保留来源信息，就可以通过keys参数进行设置，而names参数可以给拼接后形成的数据结构添加名字。

        上下拼接情况下标记每条记录来自于哪个表，添加名字说明。

        左右拼接情况下标记每条记录来自于哪个表，添加名字说明。

四、参数join和join_axes

        join参数控制的是外连接还是内连接，默认外连接，保留两个表中的所有信息；如果设置成内连接，拼接结果只保留两个表共有的信息。

        join_axes参数是在内连接时选择要完整保留哪个表的索引，但是这个参数在官方文档中提醒即将被弃用，所以不做详细讲解，只看一下join参数的表现吧：

        这两个表有部分相同的列名和部分相同的行索引，来对这两个表进行两个方向的拼接，设置join="inner"后查看下效果：

• 上下拼接，保留了共有的列信息。

pd.concat([df_1,df_3],axis=0,join='inner')

•  左右拼接，保留了共有的行信息。

pd.concat([df_1,df_3],axis=1,join='inner')

五、参数sort

sort为布尔值。

如下图，默认上下拼接，不进行sort参数设置会跳出警告，并且能看到列名已经被重新排序了：

设置sort=True，使警告沉默但是依然会被重新排序：

设置sort = False，使警告沉默并且不会被重新排序：