Pandas 通过 concat() 函数能够轻松地将 Series 与 DataFrame 对象组合在一起,函数的语法格式如下:
pd.concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False) |
参数说明如下所示:
参数名称 | 说明 |
objs |
一个序列或者是Series、DataFrame对象。 |
axis |
表示在哪个轴方向上(行或者列)进行连接操作,默认 axis=0 表示行方向。 |
join |
指定连接方式,取值为{"inner","outer"},默认为 outer 表示取并集,inner代表取交集。 |
ignore_index |
布尔值参数,默认为 False,如果为 True,表示不在连接的轴上使用索引。 |
join_axes |
表示索引对象的列表。 |
concat()
concat() 函数用于沿某个特定的轴执行连接操作。下面让我们创建不同的对象,并对其进行连接。
1.import pandas as pd 2.a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 3. 'B': ['B0', 'B1', 'B2', 'B3'], 4. 'C': ['C0', 'C1', 'C2', 'C3'], 5. 'D': ['D0', 'D1', 'D2', 'D3']}, 6. index=[0, 1, 2, 3]) 7. 8.b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 9. 'B': ['B4', 'B5', 'B6', 'B7'], 10. 'C': ['C4', 'C5', 'C6', 'C7'], 11. 'D': ['D4', 'D5', 'D6', 'D7']}, 12. 13. 14. print(pd.concat([a,b])) |
输出结果:
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 |
如果想把指定的键与 DataFrame 对象连接,您可以使用 keys 参数来实现。如下所示:
1. import pandas as pd 2. a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 3. 'B': ['B0', 'B1', 'B2', 'B3'], 4. 'C': ['C0', 'C1', 'C2', 'C3'], 5. 'D': ['D0', 'D1', 'D2', 'D3']}, 6. index=[0, 1, 2, 3]) 7. 8. b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 9. 'B': ['B4', 'B5', 'B6', 'B7'], 10. 'C': ['C4', 'C5', 'C6', 'C7'], 11. 'D': ['D1', 'D2', 'D5', 'D6']}, 12. index=[2,3,4,5]) 13. 14. 15. print(pd.concat([a,b],keys=['x','y'])) |
输出结果:
A B C D
x 0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
y 2 A4 B4 C4 D1
3 A5 B5 C5 D2
4 A6 B6 C6 D5
5 A7 B7 C7 D6 |
上述示中,可以看出行索引 index 存在重复使用的现象,如果想让输出的行索引遵循依次递增的规则,那么需要将 ignore_index 设置为 True。
1. import pandas as pd 2. a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 3. 'B': ['B0', 'B1', 'B2', 'B3'], 4. 'C': ['C0', 'C1', 'C2', 'C3'], 5. 'D': ['D0', 'D1', 'D2', 'D3']}, 6. index=[0, 1, 2, 3]) 7. 8. b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 9. 'B': ['B4', 'B5', 'B6', 'B7'], 10. 'C': ['C4', 'C5', 'C6', 'C7'], 11. 'D': ['D1', 'D2', 'D5', 'D6']}, 12. index=[2,3,4,5]) 13. 14. 15. print(pd.concat([a,b],keys=['x','y'],ignore_index=True)) |
输出结果:
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 D1
5 A5 B5 C5 D2
6 A6 B6 C6 D5
7 A7 B7 C7 D6 |
注意:此时的索引顺序被改变了,而且键 keys 指定的键也被覆盖了。
如果您想要沿着 axis=1 添加两个对象,那么将会追加新的列。
1. import pandas as pd 2. a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 3. 'B': ['B0', 'B1', 'B2', 'B3'], 4. 'C': ['C0', 'C1', 'C2', 'C3'], 5. 'D': ['D0', 'D1', 'D2', 'D3']}, 6. index=[0, 1, 2, 3]) 7. 8. b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 9. 'B': ['B4', 'B5', 'B6', 'B7'], 10. 'C': ['C4', 'C5', 'C6', 'C7'], 11. 'D': ['D1', 'D2', 'D5', 'D6']}, 12. index=[4,5,6,7]) 13. 14. 15. print(pd.concat([a,b],axis=1)) |
输出结果:
A B C D A B C D
0 A0 B0 C0 D0 NaN NaN NaN NaN
1 A1 B1 C1 D1 NaN NaN NaN NaN
2 A2 B2 C2 D2 NaN NaN NaN NaN
3 A3 B3 C3 D3 NaN NaN NaN NaN
4 NaN NaN NaN NaN A4 B4 C4 D1
5 NaN NaN NaN NaN A5 B5 C5 D2
6 NaN NaN NaN NaN A6 B6 C6 D5
7 NaN NaN NaN NaN A7 B7 C7 D6 |
append()
如果要连接 Series 和 DataFrame 对象,有一个最方便、快捷的方法,那就是 append() 方法。该方法沿着 axis=0 (行方向)进行操作。
1. import pandas as pd 2. a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 3. 'B': ['B0', 'B1', 'B2', 'B3'], 4. 'C': ['C0', 'C1', 'C2', 'C3'], 5. 'D': ['D0', 'D1', 'D2', 'D3']}, 6. index=[0, 1, 2, 3]) 7. 8. b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 9. 'B': ['B4', 'B5', 'B6', 'B7'], 10. 'C': ['C4', 'C5', 'C6', 'C7'], 11. 'D': ['D1', 'D2', 'D5', 'D6']}, 12. index=[4,5,6,7]) 13. 14. print(a.append(b)) |
输出结果:
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 D1
5 A5 B5 C5 D2
6 A6 B6 C6 D5
7 A7 B7 C7 D6 |
当然 append() 函数也可接收多个对象,示例如下:
1. a= pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 2. 'B': ['B0', 'B1', 'B2', 'B3'], 3. 'C': ['C0', 'C1', 'C2', 'C3'], 4. 'D': ['D0', 'D1', 'D2', 'D3']}, 5. index=[0, 1, 2, 3]) 6. 7. b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 8. 'B': ['B4', 'B5', 'B6', 'B7'], 9. 'C': ['C4', 'C5', 'C6', 'C7'], 10. 'D': ['D1', 'D2', 'D5', 'D6']}, 11. index=[4,5,6,7]) 12 .c= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 13. 'B': ['B8', 'B9', 'B10', 'B7'], 14. 'C': ['C9', 'C8', 'C7', 'C6'], 15. 'D': ['D8', 'D5', 'D7', 'D6']}, 16. index=[8,9,10,11]) 17. print(a.append(b,c,a)) |
输出结果:
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 D1
5 A5 B5 C5 D2
6 A6 B6 C6 D5
7 A7 B7 C7 D6
8 A4 B8 C9 D8
9 A5 B9 C8 D5
10 A6 B10 C7 D7
11 A7 B7 C6 D6
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
|
|