Pandas学习笔记（三） concat的使用

数据表的合并

测试数据准备

实验环境为python3.7和pandas0.23.4，还有Jupyter Notebook
实验基于以下数据

import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'C': ['C0', 'C1', 'C2', 'C3'],
                     'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 1, 2, 3])
df2 = pd.DataFrame({'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7'],
                    'E': ['E4', 'E5', 'E6', 'E7'],},
                    index=[2,3,4,5])

1. pd.concat

使用方式pd.concat(objs, axis=0, join='outer')
ojbs 是要合并的Series或DataFrame的列表
axis 默认为0，0代表行（竖向），1代表列（横向）
join 连接方式，默认为outer，还可以选择inner

• axis

axis的0，1概念一开始搞不清楚的话，会让人很混乱
简单理解的话，（0，1）就好比于二维数组的（行，列）
所以0代表行，按照一行一行的方式连接两个数据框，一个数据框就代表一行，连接两个数据框，就像是往一个数据框新增一行存放另一个数据框的数据，连接多个数据框就是新增多行，新增的方向是往下的，所以是竖向的。

而1代表列，按照一列一列的方式连接两个数据框，一个数据框代表一列，连接两个数据框，就是往一个数据框新增一列，用来存放另一个数据框的数据，连接多个数据框就是新增多列，新增的方向是往右的，所以是横向的。

result1 = pd.concat([df1,df2],axis=0) 
result1
# 输出
         A	 B	 C	 D	 E 
0	A0	B0	C0	D0	NaN
1	A1	B1	C1	D1	NaN
2	A2	B2	C2	D2	NaN
3	A3	B3	C3	D3	NaN
2	NaN	B4	C4	D4	E4
3	NaN	B5	C5	D5	E5
4	NaN	B6	C6	D6	E6
5	NaN	B7	C7	D7	E7
-------------------------------------
result2 = pd.concat([df1,df2],axis=1)
result2
# 输出
        A	 B	 C	 D	 B	 C	 D	 E
0	A0	B0	C0	D0	NaN	NaN	NaN	NaN
1	A1	B1	C1	D1	NaN	NaN	NaN	NaN
2	A2	B2	C2	D2	B4	C4	D4	E4
3	A3	B3	C3	D3	B5	C5	D5	E5
4	NaN	NaN	NaN	NaN	B6	C6	D6	E6
5	NaN	NaN	NaN	NaN	B7	C7	D7	E7

可以看到，df2整个放在了df1的下面，在df1和df2的基础上，自动补上了原来没有的行列，而且自动填充了空值

• join

join的参数有两个，默认值outer，还有inner
在我理解，outer就是求两个DataFrame的并集，而inner就是求两个DataFrame的交集

result1 = pd.concat([df1,df2],axis=0, join='outer')
result1
# 输出
        A	 B	 C	 D	 E
0	A0	B0	C0	D0	NaN
1	A1	B1	C1	D1	NaN
2	A2	B2	C2	D2	NaN
3	A3	B3	C3	D3	NaN
2	NaN	B4	C4	D4	E4
3	NaN	B5	C5	D5	E5
4	NaN	B6	C6	D6	E6
5	NaN	B7	C7	D7	E7
----------------------------------------
result3 = pd.concat([df1,df2], axis=0, join='inner')
result3
# 输出
        B	 C	 D
0	B0	C0	D0
1	B1	C1	D1
2	B2	C2	D2
3	B3	C3	D3
2	B4	C4	D4
3	B5	C5	D5
4	B6	C6	D6
5	B7	C7	D7

result1 （outer）保留了df1和df2的列所有的列
result2 （inner）只保留了df1和df2共同的列