python concat函数默认为outer_python - 熊猫的concat函数中的“级别”，“键”和名称参数是什么？ - 堆栈内存溢出...

在为我自己回答这个问题的过程中，我学到了很多东西，并且我想整理出一系列示例和一些说明。

有关levels参数争论点的具体答案即将结束。

pandas.concat ：缺少的手册

导入和定义对象

import pandas as pd

d1 = pd.DataFrame(dict(A=.1, B=.2, C=.3), index=[2, 3])

d2 = pd.DataFrame(dict(B=.4, C=.5, D=.6), index=[1, 2])

d3 = pd.DataFrame(dict(A=.7, B=.8, D=.9), index=[1, 3])

s1 = pd.Series([1, 2], index=[2, 3])

s2 = pd.Series([3, 4], index=[1, 2])

s3 = pd.Series([5, 6], index=[1, 3])

争论

objs

我们遇到的第一个参数是objs ：

objs ：Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则除非传递了已排序的键，否则它将用作keys参数，在这种情况下，将选择值(请参见下文)。 除非所有对象都为None，否则所有None对象都将被静默删除，在这种情况下，将引发ValueError

我们通常将其与Series或DataFrame对象的列表一起使用。

我将展示dict也会非常有用。

也可以使用发电机和使用时可以是有用的map中map(f, list_of_df)

现在，我们将坚持上面定义的一些DataFrame和Series对象的列表。 稍后我将展示如何利用字典来提供非常有用的MultiIndex结果。

pd.concat([d1, d2])

A B C D

2 0.1 0.2 0.3 NaN

3 0.1 0.2 0.3 NaN

1 NaN 0.4 0.5 0.6

2 NaN 0.4 0.5 0.6

axis

我们遇到的第二个参数是axis其默认值为0 ：

axis ：{0 /'index'，1 /'columns'}，默认值为0。

两个DataFrame的axis=0 (堆叠)

对于0或index值，我们的意思是说：“沿列对齐并添加到索引”。

如上所示，我们使用axis=0 ，因为0是默认值，并且我们看到d2的索引扩展了d1的索引，尽管值2有重叠：

pd.concat([d1, d2], axis=0)

A B C D

2 0.1 0.2 0.3 NaN

3 0.1 0.2 0.3 NaN

1 NaN 0.4 0.5 0.6

2 NaN 0.4 0.5 0.6

两个DataFrame其中axis=1 (并排)

对于值1或columns我们的意思是说：“沿索引对齐并添加到列中”，

pd.concat([d1, d2], axis=1)

A B C B C D

1 NaN NaN NaN 0.4 0.5 0.6

2 0.1 0.2 0.3 0.4 0.5 0.6

3 0.1 0.2 0.3 NaN NaN NaN

我们可以看到，结果索引是索引的并集，结果列是d1的列对d2的列的扩展。

axis=0两个(或三个) Series (堆叠)

当沿着axis=0组合pandas.Series ，我们得到一个pandas.Series 。 除非合并的所有Series具有相同的名称，否则所得Series的名称将为“ None 。 当我们打印出所得的Series时，请注意'Name: A' 。 当它不存在时，我们可以假定Series名称为None 。

| | | pd.concat(

| pd.concat( | pd.concat( | [s1.rename('A'),

pd.concat( | [s1.rename('A'), | [s1.rename('A'), | s2.rename('B'),

[s1, s2]) | s2]) | s2.rename('A')]) | s3.rename('A')])

-------------- | --------------------- | ---------------------- | ----------------------

2 1 | 2 1 | 2 1 | 2 1

3 2 | 3 2 | 3 2 | 3 2

1 3 | 1 3 | 1 3 | 1 3

2 4 | 2 4 | 2 4 | 2 4

dtype: int64 | dtype: int64 | Name: A, dtype: int64 | 1 5

| | | 3 6

| | | dtype: int64

axis=1两个(或三个) Series (并排)

当沿着axis=1组合pandas.Series ，它是我们引用的name属性，以推断结果pandas.DataFrame的列名称。

| | pd.concat(

| pd.concat( | [s1.rename('X'),

pd.concat( | [s1.rename('X'), | s2.rename('Y'),

[s1, s2], axis=1) | s2], axis=1) | s3.rename('Z')], axis=1)

------------