使用场景:
批量合并相同格式的Excel、给DataFrame添加行、给DataFrame添加列
一句话说明concat语法:
使用某种合并方式(inner/outer)
沿着某个轴向(axis=0/1)
把多个Pandas对象(DataFrame/Series)合并成一个。
concat语法
:pandas.concat(objs, axis=0, join='outer', ignore_index=False)
objs:一个列表,内容可以是DataFrame或者Series,可以混合
axis:默认是0代表按行合并,如果等于1代表按列合并
join:合并的时候索引的对齐方式,默认是outer join,也可以是inner join
ignore_index:是否忽略掉原来的数据索引
append语法:
DataFrame.append(other, ignore_index=False)
append只有按行合并,没有按列合并,相当于concat按行的简写形式
other:单个dataframe、series、dict,或者列表
ignore_index:是否忽略掉原来的数据索引
参考文档:
pandas.concat的api文档:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html
pandas.concat的教程:
https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html
pandas.append的api文档:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.append.html
import pandas as pd
import warnings
# 通过警告过滤器进行控制是否发出警告消息
warnings.filterwarnings('ignore')
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3'],
'E': ['E0', 'E1', 'E2', 'E3']
})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7'],
'F': ['F4', 'F5', 'F6', 'F7']
})
# 默认的concat,参数为axis=0、join=outer、ignore_index=False
res = pd.concat([df1, df2])
print(res)
'''
A B C D E F
0 A0 B0 C0 D0 E0 NaN
1 A1 B1 C1 D1 E1 NaN
2 A2 B2 C2 D2 E2 NaN
3 A3 B3 C3 D3 E3 NaN
0 A4 B4 C4 D4 NaN F4
1 A5 B5 C5 D5 NaN F5
2 A6 B6 C6 D6 NaN F6
3 A7 B7 C7 D7 NaN F7
'''
# 使用ignore_index=True可以忽略原来的索引
pd.concat([df1, df2], ignore_index=True)
# 使用join=inner过滤掉不匹配的列
res2 = pd.concat([df1, df2], ignore_index=True, join="inner")
print(res2)
'''
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
4 A4 B4 C4 D4
5 A5 B5 C5 D5
6 A6 B6 C6 D6
7 A7 B7 C7 D7
'''
# 添加一列Series
s1 = pd.Series(list(range(4)), name="F")
res3 = pd.concat([df1, s1], axis=1)
print(res3)
'''
A B C D E F
0 A0 B0 C0 D0 E0 0
1 A1 B1 C1 D1 E1 1
2 A2 B2 C2 D2 E2 2
3 A3 B3 C3 D3 E3 3
'''
# 添加多列Series
s2 = df1.apply(lambda x: x["A"] + "_GG", axis=1)
print(s2)
'''
0 A0_GG
1 A1_GG
2 A2_GG
3 A3_GG
'''
# 指定s2列名
s2.name = "G"
res4 = pd.concat([df1, s1, s2], axis=1)
print(res4)
'''
A B C D E F G
0 A0 B0 C0 D0 E0 0 A0_GG
1 A1 B1 C1 D1 E1 1 A1_GG
2 A2 B2 C2 D2 E2 2 A2_GG
3 A3 B3 C3 D3 E3 3 A3_GG
'''
# 列表可以只有Series
res5 = pd.concat([s1, s2], axis=1)
print(res5)
'''
F G
0 0 A0_GG
1 1 A1_GG
2 2 A2_GG
3 3 A3_GG
'''
# 列表是可以混合顺序的
pd.concat([s1, df1, s2], axis=1)
# 使用DataFrame.append按行合并数据
df1 = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
# 给1个dataframe添加另一个dataframe
# 忽略原来的索引ignore_index=True
res6 = df1.append(df2, ignore_index=True)
print(res6)
'''
A B
0 1 2
1 3 4
2 5 6
3 7 8
'''
# 可以一行一行的给DataFrame添加数据
# 一个空的df
df = pd.DataFrame(columns=['A'])
# 低性能版
for i in range(5):
# 注意这里每次都在复制
df = df.append({'A': i}, ignore_index=True)
# 性能较好版
# 第一个入参是一个列表,避免了多次复制
pd.concat(
[pd.DataFrame([i], columns=['A']) for i in range(5)],
ignore_index=True
)