pandas中concat()的用法

pandas.concat()通常用来连接DataFrame对象。默认情况下是对两个DataFrame对象进行纵向连接， 当然通过设置参数，也可以通过它实现DataFrame对象的横向连接。

1. 纵向连接DataFrame对象

（1）两个DataFrame对象的列完全相同

# 初始化两个DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df2 = pd.DataFrame([['c', 3], ['d', 4]],
                  columns=['letter', 'number'])

display(df1)
display(df2)

# 合并对象
pd.concat([df1, df2])

从上面的结果可以看出， concat默认纵向连接DataFrame对象， 并且合并之后不改变每个DataFrame子对象的index值， 因此我们可以在合并之后的DataFrame中看到index的值0和1重复了两次。如果希望重新设置合并之后的DataFrame对象的index值， 可以添加ignore_index=True参数：

pd.concat([df1, df2], ignore_index=True)

(2) 两个DataFrame对象的列不完全相同

# 初始化DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df3 = pd.DataFrame([['c', 3, 'cat'], ['d', 4, 'dog']],
                  columns=['letter', 'number', 'animal'])

display(df1)
display(df3)

# 合并对象
pd.concat([df1, df3], sort=False)  # sort=False : 列的顺序维持原样， 不进行重新排序。

从结果可以看到， 因为df1中没有animal列， 所以在合并之后的DataFrame对象里， 所对应的元素都被设置成了NaN。

如果只想合并相同的列， 我们可以添加上join='inner'参数：

pd.concat([df1, df3], join='inner')

2. 横向合并DataFrame对象

通过设置axis=1, 可以横向合并两个DataFrame对象。

# 初始化DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df4 = pd.DataFrame([['bird', 'polly'], ['monkey', 'george']],
                  columns=['animal', 'name'])

display(df1)
display(df4)

# 合并对象
pd.concat([df1, df4], axis=1)

从上面的结果可以看出，通过设置axis=1参数，我们实现了df1和df4两个DataFrame对象的合并。