1. concat
concat函数是在pandas底下的方法,可以将数据根据不同的轴作简单的融合,默认axis=0连接
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False)
常用参数说明:
objs: series,dataframe或者是panel构成的序列lsit, 必须是可迭代的
axis:需要合并链接的轴,0是行,1是列
join:连接的方式 inner,或者outer,默认是inner
key:识别数据源自于哪张表
1.1 相同字段的表首尾相接
# 现将表构成list,然后在作为concat的输入
In [4]: frames = [df1, df2, df3] # 多个dataframe
In [5]: result = pd.concat(frames)
要在相接的时候在加上一个层次的key来识别数据源自于哪张表,可以增加key参数
In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])
1.2 横向表拼接(行对齐)
1.2.1 axis=1
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
In [9]: result = pd.concat([df1, df4], axis=1)
1.2.2 join
加上join参数的属性,如果为’inner’得到的是两表的交集,如果是outer,得到的是两表的并集
In [10]: result = pd.concat([df1, df4], axis=1, join='inner')
1.4 无视index的concat
如果两个表的index都没有实际含义,使用ignore_index参数,置true,合并的两个表就只根据列字段对齐,无视index, 然后合并。最后再重新整理一个新的index。
1.5 合并的同时增加区分数据组的键
前面提到的keys参数可以用来给合并后的表增加key来区分不同的表数据来源
1.5.1 可以直接用key参数实现
In [27]: result = pd.concat(frames, keys=['x', 'y', 'z'])
1.5.2 传入字典来增加分组键
In [28]: pieces = {
'x': df1, 'y': df2, 'z': df3}
In [29]: result = pd.concat(pieces)