学习笔记---pd.concat（）函数用法

concat()函数用法

当你需要把两个或多个 DataFrame（或 Series）合并成一个的时候，pd.concat() 函数就派上用场了。这个函数可以让你沿着行或列的方向将数据堆叠在一起。

举个例子，假设你有两个 DataFrame，一个包含了某个班级学生的成绩，另一个包含了同班级学生的考勤记录。你可以使用 pd.concat() 将这两个 DataFrame 沿着行的方向合并，以便得到一个包含了成绩和考勤记录的完整数据集。

基本用法如下：

import pandas as pd

# 假设 df1 和 df2 是两个 DataFrame
result = pd.concat([df1, df2])

这个例子中，pd.concat() 接收一个包含了你想要合并的 DataFrame 的列表作为参数，然后返回一个新的 DataFrame，其中包含了所有输入 DataFrame 的数据。默认情况下，合并是沿着行的方向进行的，也就是说会把数据堆叠在一起。

你也可以通过设置 axis 参数来改变合并的方向。例如，如果你想要把数据沿着列的方向合并，可以这样做

result = pd.concat([df1, df2], axis=1)

这样，df1 和 df2 中的列会在水平方向上被堆叠在一起，形成一个新的 DataFrame。

pd.concat() 还有许多其他参数，可以用来控制合并的方式，例如 ignore_index 参数可以忽略原始索引，生成新的整数索引，keys 参数可以创建层次化索引等等。这个函数非常灵活，可以满足各种合并需求。

它的基本语法如下：

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

参数说明：

• objs：要连接的 Pandas 对象的序列（例如，DataFrame 或 Series）或者是一个字典。这是连接的主体部分。
• axis：指定连接的轴。默认为 0，表示按行连接，如果设为 1，表示按列连接。
• join：指定连接方式。可选值包择 'inner' 和 'outer'，默认为 'outer'。'outer' 表示取连接对象的并集，'inner' 表示取连接对象的交集。
• ignore_index：是否忽略索引。如果设为 True，将在连接时重新生成一个新的整数索引。默认为 False。
• keys：用于在连接轴上创建层次化索引的值，可以是任意类型的可迭代对象，如列表、数组、Series、索引等。
• levels、names：当 keys 参数被使用时，用于指定创建的多重索引的层次级别和名称。
• verify_integrity：检查新连接的轴是否重复。如果设为 True，将检查连接的结果是否会导致重复索引。默认为 False。
• sort：在连接轴上对索引进行排序。默认为 False。
• copy：是否复制连接的对象。默认为 True，表示复制对象；如果设为 False，表示不复制对象，这将提高性能，但在某些情况下可能导致结果不稳定。

这些参数提供了灵活的方式来控制连接操作的行为，以满足不同情况下的需求。