现有两组dataframe数据:
数据1:(68,240)
数据2:(68,128)
目的:将数据1和数据2 按照正确的行追加数据,也就是说想转为(68,240+128)的数据
【试过几个函数,结果都不是很理想,在看了这篇文章后学习很多,做出以下笔记 :)】
(1条消息) dataframe.concat()_漂亮的刘大漂亮的博客-CSDN博客_dataframe的concat
解决:使用concat
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,keys=None, levels=None, names=None, verify_integrity=False)
【objs: series,dataframe或者是panel构成的序列lsit】
【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】
举例:
左边为数据,右边为最终结果:
将表构成list,然后作为concat的输入
frames = [df1, df2, df3]
result = pd.concat(frames)
左边为数据,右边为最终结果:
result = pd.concat([df1, df4], axis=1)
result = pd.concat([df1, df4], axis=1, join='inner')
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。
join_axes的参数传入,可以指定根据那个轴来对齐数据
例如根据df1表对齐数据,就会保留指定的df1表的轴,然后将df4的表与之拼接
append是series和dataframe的方法,使用它就是默认沿着列进行拼接(axis = 0,列对齐)
result = df1.append(df2)
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
result = pd.concat(frames, keys=['x', 'y', 'z'])
如果遇到两张表的列字段本来就不一样,但又想将两个表合并,其中无效的值用nan来表示。那么可以使用ignore_index来实现。
dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4}, {'A': 5, 'B': 6, 'C': 7, 'Y': 8}]
result = df1.append(dicts, ignore_index=True)
2022年10月31日:
新增!!!关于iloc loc
df.iloc[0]['要取的列名’]
结束:iloc【0】可以将横排变为竖排:
原始:
data | length | weidth | km |
1 | 4 | 5 | 8 |
iloc[0]:
data | 1 |
length | 4 |
weidth | 5 |
km | 8 |
可以根据df.iloc[0]['data']进行取值
df.loc[:,'追加列的名字']
在dataframe后面追加一列!!