import pandas as pd
import numpy as np
#定义资料集
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*2, columns=['a','b','c','d'])
#concat纵向合并
res = pd.concat([df1, df2, df3], axis=0)
res = pd.concat([df1, df2, df3], axis=0,ignore_index = True)
#打印结果
print(res)
# a b c d
# 0 0.0 0.0 0.0 0.0
# 1 0.0 0.0 0.0 0.0
# 2 0.0 0.0 0.0 0.0
# 0 1.0 1.0 1.0 1.0
# 1 1.0 1.0 1.0 1.0
# 2 1.0 1.0 1.0 1.0
# 0 2.0 2.0 2.0 2.0
# 1 2.0 2.0 2.0 2.0
# 2 2.0 2.0 2.0 2.0
#join (合并方式)
#join='outer'为预设值,因此未设定任何参数时,函数默认join='outer'。
#此方式是依照column来做纵向合并,有相同的column上下合并在一起,#
#其他独自的column个自成列,原本没有值的位置皆以NaN填充。
df1 = pd.DataFrame(np.ones((3,4))*0,columns = ['a','b','c','d'],index = [1,2,3])
df2 = pd.DataFrame(np.ones((3,4))*0,columns = ['b','c','d','e'],index = [2,3,4])
#纵向外合并
res = pd.concat([df1,df2],axis=0,join = 'outer')
#纵向内合并,相同的column 被合并,其他的被抛弃
res = pd.concat([df1,df2],axis=0,join = 'inner')
print(res)
'''
b c d
1 0.0 0.0 0.0
2 0.0 0.0 0.0
3 0.0 0.0 0.0
2 0.0 0.0 0.0
3 0.0 0.0 0.0
4 0.0 0.0 0.0
'''
#重置index
res = pd.concat([df1,df2],axis=0,join = 'inner',ignore_index=True)
print(res)
#依照‘df1.index’横向合并
res = pd.concat([df1,df2],axis=1,join_axes = [df1.index])
print(res)
#依照‘df2.index’横向合并
res = pd.concat([df1,df2],axis=1,join_axes = [df2.index])
print(res)
# append(添加数据)只有纵向合并,没有横向合并。
#定义资料集
print('##################### append ####################')
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
s1 = pd.Series([1,2,3,4], index=['a','b','c','d'])
res = df1.append(df2,ignore_index=True)
print(res)
res = df1.append([df2,df3],ignore_index=True)
print(res)
import numpy as np
#定义资料集
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*2, columns=['a','b','c','d'])
#concat纵向合并
res = pd.concat([df1, df2, df3], axis=0)
res = pd.concat([df1, df2, df3], axis=0,ignore_index = True)
#打印结果
print(res)
# a b c d
# 0 0.0 0.0 0.0 0.0
# 1 0.0 0.0 0.0 0.0
# 2 0.0 0.0 0.0 0.0
# 0 1.0 1.0 1.0 1.0
# 1 1.0 1.0 1.0 1.0
# 2 1.0 1.0 1.0 1.0
# 0 2.0 2.0 2.0 2.0
# 1 2.0 2.0 2.0 2.0
# 2 2.0 2.0 2.0 2.0
#join (合并方式)
#join='outer'为预设值,因此未设定任何参数时,函数默认join='outer'。
#此方式是依照column来做纵向合并,有相同的column上下合并在一起,#
#其他独自的column个自成列,原本没有值的位置皆以NaN填充。
df1 = pd.DataFrame(np.ones((3,4))*0,columns = ['a','b','c','d'],index = [1,2,3])
df2 = pd.DataFrame(np.ones((3,4))*0,columns = ['b','c','d','e'],index = [2,3,4])
#纵向外合并
res = pd.concat([df1,df2],axis=0,join = 'outer')
#纵向内合并,相同的column 被合并,其他的被抛弃
res = pd.concat([df1,df2],axis=0,join = 'inner')
print(res)
'''
b c d
1 0.0 0.0 0.0
2 0.0 0.0 0.0
3 0.0 0.0 0.0
2 0.0 0.0 0.0
3 0.0 0.0 0.0
4 0.0 0.0 0.0
'''
#重置index
res = pd.concat([df1,df2],axis=0,join = 'inner',ignore_index=True)
print(res)
#依照‘df1.index’横向合并
res = pd.concat([df1,df2],axis=1,join_axes = [df1.index])
print(res)
#依照‘df2.index’横向合并
res = pd.concat([df1,df2],axis=1,join_axes = [df2.index])
print(res)
# append(添加数据)只有纵向合并,没有横向合并。
#定义资料集
print('##################### append ####################')
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
s1 = pd.Series([1,2,3,4], index=['a','b','c','d'])
res = df1.append(df2,ignore_index=True)
print(res)
res = df1.append([df2,df3],ignore_index=True)
print(res)