pandas的汇总操作

pandas的汇总操作

pandas的拼接分为两种：

• 级联：pd.concat,pd.append
• 合并：pd.merge,pd.join

级联的业务应用场景：业务表结构相同或相似

numpy的级联

1. numpy级联必须保证在级联的方向上，数据个数一致
2. 如果数据个数不一致，无法级联

pd.concat（（df1,df2））
默认是纵向方向级联，两张表的标签顺序可以不一致
以标签为基准
axis=1 行方向级联
axis=0 列方向级联 也是默认值
pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：

objs：那两张表去级联
axis=0 默认列方向
join=‘outer’ 控制级联方向上标签的取值范围
inner 取多张表的在级联方向上的标签的交集
outer 取多张表在级联方向上的标签的并集

join_axes=None
Index对象列表。用于其他n-1轴的特定索引，而不是执行内部/外部设置逻辑。

ignore_index=False
如果行方向索引重复，可以直接忽略处理
使用整数对行索引进行重新设置

keys
横向级联时，如果产生相同的列标签，应该使用Keys来保存原始的标签值

使用append()函数添加
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