python的第三方库pandas的拼接操作

1、pandas的拼接分为两种：

（1）级联：pd.concat, pd.append

（2）合并：pd.merge, pd.join

2、使用pd.concat（）级联

    pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：

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

（1）简单级联

优先增加行数（默认axis=0），可以通过设置axis来改变级联方向

示例：pd.concat([df1,df2])#df1、df2为Dataframe类型的数据

注意：index在级联时可以重复，也可以选择忽略ignore_index，重新索引

示例：pd.concat([df1,df2],axis=0,ignore_index=True)

还可以使用多层索引 keys 

concat([x,y],keys=['文科','理科'])

（2）不匹配级联

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致

有3种连接方式：

- 外连接：补NaN（默认模式）

 1、不匹配级联在外连接的模式下要求如果axis=0行级联列索引必须保持一致，
#axis=1列级联行索引必须保持一致

# 2、如果不一致缺哪个索引就补全哪个索引

- 内连接：只连接匹配的项

# 内连接在级联的时候不一致的地方全部丢弃

- 连接指定轴 join_axes

3、使用append函数没有axis属性，只能对行进行级联

合并

由于在后面级联的使用非常普遍，因此有一个函数append专门用于在后面添加

merge与concat的区别在于，merge需要依据某一共同的行或列来进行合并
使用pd.merge()合并时，会自动根据两者相同column名称的那一列，作为key来进行合并。

注意每一列元素的顺序不要求一致

一对一合并：如果在合并的时候，另个表的key那一列对应的值完全一样，这个合并就是一对一合并

多对一合并：表1中的某些属性的值，在表2中有多个和他对应，此时就是一对多合并，在合并的时候，首先要把“一”的哪一方不足的属性值根据已有的属性进行复制，然后在合并

多对多合并： 如果两个表没有相同的属性，可以左边的表出一个属性，右边的表出一个属性，然后进行合并

这种合并两个属性不能并在一起

df1.merge(df6,left_on="name",right_on="姓名")