numpy、pandas实用总结(3种数据合并)

前言

• 将俩个或者多个DataFrame合并在一起，这样的操作在日常工作中是极为频繁的一件事情，目前，我所知的有四种将DataFrame合并在一起 的方法：
  • concat，在Series中也可以使用
  • merge
  • join

concat合并

• 这种合并实际上是直接将俩个DataFrame简单粗暴的合在了一起，可以横着合并，也可以竖着合并，5个重要参数
  • axis： 指定连接轴，默认为0
  • join：指定连接方式，默认为外连接
  • keys：可以用来区分不同的数据组
  • join_axes: 指定连接的结果集当中要保留的索引
  • ingnore_index: 忽略原来连接的索引，创建新的整数序列索引，默认为False
• 代码实例

  # 创建俩个DataFrame数据集
  df = pd.DataFrame([[1, 2, 3], [4, 5, 6]])
  df2 = pd.DataFrame([[10, 20, 30], [40, 50, 60]], columns=[0, 2, 3])
  display(df, df2)
  

  # axis指定合并的方向。axis=0（默认），竖直方向上合并。axis=1，水平方向上合并。
  pd.concat((df, df2), axis=1)
  

  R# DataFrame是根据索引（标签）进行对齐的。
  pd.concat((df, df2), axis