Pandas中concat()函数的详细使用方法和数据框合并示例

Pandas中的concat()函数可以用于将多个数据框连接在一起,以构建一个新的数据框。该函数的基本语法如下:

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)

其中,objs参数接受一个列表,用于指定要连接的数据框;axis参数用于指定连接的轴,0表示按行连接,1表示按列连接;join参数用于指定连接的方式,可以是inner(内连接)或outer(外连接);join_axes参数用于指定要连接的轴;ignore_index参数用于指定是否忽略索引;keys参数用于指定新数据框中的列名;levels参数用于指定层次化索引的层次;names参数用于指定层次化索引的名称;verify_integrity参数用于指定是否检查新数据框的完整性;copy参数用于指定是否复制数据。

示例:

假设有两个数据框:

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])

按行连接两个数据框,可以使用以下代码:

pd.concat([df1, df2])

运行结果如下:

    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

如果想按列连接两个数据框,可以使用以下代码:

pd.concat([df1, df2], axis=1)

运行结果如下:

    A   B   C   D   A   B   C   D
0  A0  B0  C0  D0  A4  B4  C4  D4
1  A1  B1  C1  D1  A5  B5  C5  D5
2  A2  B2  C2  D2  A6  B6  C6  D6
3  A3  B3  C3  D3  A7  B7  C7  D7

以上就是Pandas中concat()函数的使用方法和数据框合并示例。

本文链接:http://task.lmcjl.com/news/2078.html

展开阅读全文