Pandas详解十九之轴向连接Pandas对象-Concat

约定：

import pandas as pd

轴向连接-Concat

在数据处理中，通常将原始数据分开几个部分进行处理而得到相似结构的Series或DataFrame对象，我们该如何进行纵向合并它们？这时我们可以选择用pd.concat()方式极易连接两个或两个以上的Series或DataFrame对象。如下是该函数的参数解读：

pd.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)

参数说明:

objs：连接对象，多以列表、字典传入

axis：轴向，0代表纵向连接，1，代表横向连接

join：连接方式，共有’inner’,’left’,right’,’outer’

join_axes:参与连接的索引

ignore_index：是否忽略索引

keys：层次化索引

1 Series对象的连接

s1=pd.Series([1,2],index=list('ab'))
s2=pd.Series([3,4,5],index=list('bde'))

pd.concat([s1,s2])

代码结果：

a    1
b    2
b    3
d    4
e    5
dtype: int64

2 纵向连接

pd.concat([s1,s2],axis=1)

代码结果：

	0	1
a	1.0	NaN
b	2.0	3.0
d	NaN	4.0
e	NaN	5.0

3 用内连接求交集

pd.concat([s1,s2],axis=1,join='inner')

代码结果：

	0	1
b	2	3

4 指定部分索引进行连接

pd.concat([s1,s2],axis=1,join_axes=[list('abc')])

代码结果：

	0	1
a	1.0	NaN
b	2.0	3.0
c	NaN	NaN

5 创建层次化索引

pd.concat([s1,s2],keys=['A','B'])

代码结果：

A  a    1
   b    2
B  b    3
   d    4
   e    5
dtype: int64

6 当纵向连接时keys为列名

pd.concat([s1,s2],keys=['A','B'],axis=1)

代码结果：

	A	B
a	1.0	NaN
b	2.0	3.0
d	NaN	4.0
e	NaN	5.0

7 DataFrame对象的连接

• 创建DataFrame对象

df3=pd.DataFrame({'Red':[1,3,5],'Green':[5,0,3]},index=list('abd'))
df3

代码结果：

	Green	Red
a	5	1
b	0	3
d	3	5

df4=pd.DataFrame({'Blue':[1,9],'Yellow':[6,6]},index=list('ce'))
df4

代码结果：

	Blue	Yellow
c	1	6
e	9	6

pd.concat([df3,df4],axis=1,keys=['A','B'])

	A		B
	Green	Red	Blue	Yellow
a	5.0	1.0	NaN	NaN
b	0.0	3.0	NaN	NaN
c	NaN	NaN	1.0	6.0
d	3.0	5.0	NaN	NaN
e	NaN	NaN	9.0	6.0

8 用字典的方式连接同样可以创建层次化列索引

pd.concat({'A':df3,'B':df4},axis=1)

代码结果：

	A		B
	Green	Red	Blue	Yellow
a	5.0	1.0	NaN	NaN
b	0.0	3.0	NaN	NaN
c	NaN	NaN	1.0	6.0
d	3.0	5.0	NaN	NaN
e	NaN	NaN	9.0	6.0

9 忽略索引

pd.concat([df3,df4],ignore_index=True)

	Blue	Green	Red	Yellow
0	NaN	5.0	1.0	NaN
1	NaN	0.0	3.0	NaN
2	NaN	3.0	5.0	NaN
3	1.0	NaN	NaN	6.0
4	9.0	NaN	NaN	6.0

谢谢大家的浏览，
希望我的努力能帮助到您，
共勉！