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