pandas的使用（concat篇）

谈到pandas数据的行更新、表合并平，一般的方法有concat、join、merge。我来说下他们的使用场景和用途。

主要来自pandas官方中关于数据合并和重述的使用方法的总结。

代码由pandas官网提供，小编运行了一遍。

concat

import pandas as pd
pd.concat(object,axis=0,join='outer',join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verify_integrity=False)

参数说明

object：series，dataframe或则是panel构成的序列list

axis：需要合并连接的轴，0是行，1是列

join：连接的方式inner，或者outer

1，相同字段的表首尾相连

#frames=[df1,df2,df3]

result=pd.concat(frames)

#效果如下

#如果在连接的时候加上一个key来识别数据来源于那张表，可以增加可以参数

result=pd.concat(frames,keys=['x','y','z'])

如下效果

 

2，横向拼接（行对齐）

2.1axis

当axis=1的时候，concat就是行对齐，然后将不同列名称的两张表合并

#result=pd.concat([df1,df4],axis=1)

3 join

加上join参数的属性，如果是 inner 得到的是两表的交集，如果是outer，得到的是两表的并集。

result=pd.concat([df1,df4],axis=1,join='inner')

4,join_axes

如果是join_axes的参数传入，可以指定根据那个轴来对齐数据

例如根据df1表对齐数据，就会保留指定的df1表的轴，然后将df4的表与之拼接

result=pd.concat([df1,df4],axis=1,join_axes=[df1.index])

 

5,appeng

#append是series和dataframe的方法，使用他就是默认沿着行（axis=0，列对齐）

result=df1.append(df2)

 

6，可以无视index的concat

当两个表的index没有实际意义时，使用ignore_index参数，为true时，合并的两个表

就根据列字段对齐，然后合并，最后真理新的index

 

7，合并的同时增加区分数据组的键

前面提到的key参数可以用来给合并的表key来区分不同的表数据来源

result = pd.concat(frames,keys=['x','y','z']

8,传入字典来增加分组键

jia={'x':df1,'y':df2,'z':df3}

result=pd.concat(jia)

9,在dataframe中加入新的行

append方法可以将series和字典的数据作为dataframe的新一行插入

pd.series(['x0','x1','x2','x3'],index=['A','B','C','D'])

result=df1.append(s2,ignore_index=True)

10,表格字段不同的表合并

dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4},{'A': 5, 'B': 6, 'C': 7, 'Y': 8}]

result = df1.append(dicts, ignore_index=True)

以上是concat篇的内容，有建议请指正，微信：17576052970