Python数据分析笔记 5
import numpy as np
import pandas as pd
import matplotlib. pyplot as plt
plt. rcParams[ 'font.sans-serif' ] = [ 'SimHei' ]
plt. rcParams[ 'axes.unicode_minus' ] = False
import pymysql
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(
{
"A" : [ "A4" , "A5" , "A6" , "A7" ] ,
"B" : [ "B4" , "B5" , "B6" , "B7" ] ,
"C" : [ "C4" , "C5" , "C6" , "C7" ] ,
"D" : [ "D4" , "D5" , "D6" , "D7" ] ,
} ,
index= [ 4 , 5 , 6 , 7 ] ,
)
df3 = pd. DataFrame(
{
"A" : [ "A8" , "A9" , "A10" , "A11" ] ,
"B" : [ "B8" , "B9" , "B10" , "B11" ] ,
"C" : [ "C8" , "C9" , "C10" , "C11" ] ,
"D" : [ "D8" , "D9" , "D10" , "D11" ] ,
} ,
index= [ 8 , 9 , 10 , 11 ] ,
)
frames = [ df1, df2, df3]
result = pd. concat( frames)
result
A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 4 A4 B4 C4 D4 5 A5 B5 C5 D5 6 A6 B6 C6 D6 7 A7 B7 C7 D7 8 A8 B8 C8 D8 9 A9 B9 C9 D9 10 A10 B10 C10 D10 11 A11 B11 C11 D11
result2 = pd. concat( frames, keys= [ "x" , "y" , "z" ] )
result2
A B C D x 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 y 4 A4 B4 C4 D4 5 A5 B5 C5 D5 6 A6 B6 C6 D6 7 A7 B7 C7 D7 z 8 A8 B8 C8 D8 9 A9 B9 C9 D9 10 A10 B10 C10 D10 11 A11 B11 C11 D11
print ( result2. loc[ 'y' ] )
result2. loc[ 'y' , 'A' ]
A B C D
4 A4 B4 C4 D4
5 A5 B5 C5 D5
6 A6 B6 C6 D6
7 A7 B7 C7 D7
4 A4
5 A5
6 A6
7 A7
Name: A, dtype: object
"""
有关concat函数的详细内容以及用法见:https://zhuanlan.zhihu.com/p/355264340
"""