Python基础之pandas数据合并

一、concat

concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合

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

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

在这里插入图片描述

#现将表构成list，然后在作为concat的输入In [4]: frames = [df1, df2, df3] In [5]: result = pd.concat(frames)

要在相接的时候在加上一个层次的key来识别数据源自于哪张表，可以增加key参数

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

在这里插入图片描述

也可以通过传入字典来增加分组键

pieces = {'x': df1, 'y': df2, 'z': df3}result = pd.concat(pieces)

当axis = 1的时候，concat就是行对齐，然后将不同列名称的两张表合并，是以索引号进行连接的

result = pd.concat([df1, df4], axis=1)

在这里插入图片描述

加上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。

result = pd.concat([df1, df4], axis=1, join='inner')

在这里插入图片描述

如果有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

result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

在这里插入图片描述

append是series和dataframe的方法，使用它就是默认沿着列进行凭借（axis = 0，列对齐）

result = df1.append(df2)

在这里插入图片描述

如果两个表的index都没有实际含义，使用ignore_index参数，置true，合并的两个表就睡根据列字段对齐，然后合并。最后再重新整理一个新的index。

在这里插入图片描述

到此这篇关于python基础之pandas数据合并的文章就介绍到这了,更多相关python pandas数据合并内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

最后更新于 2021-11-23 09:10:50 并被添加「」标签，已有位童鞋阅读过。

本站使用「署名 4.0 国际」创作共享协议，可自由转载、引用，但需署名作者且注明文章出处