pandas入门(十七)

上一篇：pandas入门(十六)

轴向连接

另一种数据合并运算也被称作连接（concatenation）、绑定（binding）或堆叠 （stacking）。NumPy的concatenation函数可以用NumPy数组来做

=====================================
对于pandas对象（如Series和DataFrame），带有标签的轴使你能够进一步推广数 组的连接运算。具体点说，你还需要考虑以下这些东西： 如果对象在其它轴上的索引不同，我们应该合并这些轴的不同元素还是只使用 交集？ 连接的数据集是否需要在结果对象中可识别？ 连接轴中保存的数据是否需要保留？许多情况下，DataFrame默认的整数标签 最好在连接时删掉。 pandas的concat函数提供了一种能够解决这些问题的可靠方式。

=====================================
对这些对象调用concat可以将值和索引粘合在一起

=====================================
默认情况下，concat是在axis=0上工作的，最终产生一个新的Series。如果传入 axis=1，则结果就会变成一个DataFrame（axis=1是列）

=====================================
这种情况下，另外的轴上没有重叠，从索引的有序并集（外连接）上就可以看出 来。传入join='inner’即可得到它们的交集

=====================================
f和g标签消失了，是因为使用的是join='inner’选项。
通过join_axes指定要在其它轴上使用的索引

=====================================
如果沿着axis=1对Series进行合并，则keys就会成为DataFrame的列头

=====================================
同样的逻辑也适用于DataFrame对象

=====================================
如果传入的不是列表而是一个字典，则字典的键就会被当做keys选项的值

=====================================
可以用names参数命名创建的轴级别

=====================================
关于DataFrame的问题是，DataFrame的行索引不包含任何相关数据

=====================================
在这种情况下，传入ignore_index=True即可

++++++++++++++++++++++++++++++++++++

下一篇：pandas入门(十八)