Python数据框的合并（二） -- concat函数

        在Python模块Pandas中，concat 函数是一个常用的函数，用于将多个pandas对象（如Series、DataFrame）沿着一条轴进行连接，下面是对Pandas concat 函数的详细解释以及代码示例。

Pandas concat函数详解

concat 函数的基本语法如下：

pandas.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False)

参数解释：

• objs: 需要连接的pandas对象（Series或DataFrame）的序列或映射；
• axis: 连接的轴，默认为0，即按行连接；如果为1，则按列连接；
• join: 连接方式，默认为'outer'，表示外连接；'inner'表示内连接；
• ignore_index: 是否重置索引，默认为False；
• keys: 可选参数，用于在连接时添加层次化索引中的键；
• levels: 用于构建多层索引的参数；
• names: 用于结果中索引的名称；
• verify_integrity: 检查是否有重复项，默认为False；
• sort: 对列标签进行排序，默认为False。

代码示例

示例1：按行连接两个DataFrame

import pandas as pd 

# 创建两个DataFrame 
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 
'B': ['B0', 'B1', 'B2', 'B3'], 
'C': ['C0', 'C1', 'C2', 'C3'], 
'D': ['D0', 'D1', 'D2', 'D3']}, 
index=[0, 1, 2, 3]) 

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 
'B': ['B4', 'B5', 'B6', 'B7'], 
'C': ['C4', 'C5', 'C6', 'C7'], 
'D': ['D4', 'D5', 'D6', 'D7']}, 
index=[4, 5, 6, 7]) 

# 使用concat函数按行连接两个DataFrame 
result = pd.concat([df1, df2]) 
print(result)

示例2：按列连接两个DataFrame

# 假设我们有两个具有相同索引的DataFrame
df3 = pd.DataFrame({'E': ['E0', 'E1', 'E2', 'E3'],
'F': ['F0', 'F1', 'F2', 'F3']},
index=[0, 1, 2, 3])

# 使用concat函数按列连接两个DataFrame
result_col = pd.concat([df1, df3], axis=1)
print(result_col)

示例3：使用keys参数

# 使用keys参数添加层次化索引
result_keys = pd.concat([df1, df2], keys=['df1', 'df2'])
print(result_keys)

注意事项

• 当连接DataFrame时，如果列名不完全相同，则结果DataFrame将包含所有唯一的列名，并且缺失的列将填充为NaN。
• 如果在连接时遇到索引冲突（例如，两个DataFrame具有相同的索引），则可以通过设置ignore_index=True来重置索引。
• 使用keys参数时，结果DataFrame将具有一个额外的索引级别，该级别由keys参数中的值组成。