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
- numpy级联必须保证在级联的方向上,数据个数一致
- 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