pandas数据合并之pd.concat()用法详解_python_

一、简介

pd.concat()函数可以沿着指定的轴将多个dataframe或者series拼接到一起。

基本语法：

• pd.concat( objs, axis=0, join=‘outer’, join_axes=None,ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=None, copy=True,)
• objs 表示需要连接的对象，比如：[df1, df2]，需要将合并的数据用综括号包围；
• axis=0 表拼接方式是上下堆叠，当axis=1表示左右拼接；
• join 参数控制的是外连接还是内连接，join='outer’表示外连接，保留两个表中的所有信息；join="inner"表示内连接，拼接结果只保留两个表共有的信息；
• join_axes参数是在内连接时选择要完整保留哪个表的索引，但是这个参数在官方文档中提醒即将被弃用，所以不做详细讲解，只看一下join参数的表现吧；

二 、代码

例1：上下堆叠拼接

import pandas as pd d1 = [["xiaolei",20,10081],["xiaowu",30,10082]] t1 = pd.DataFrame(d1) print(t1) print('*'*50) d2 = [["xiaowang",22,10083],["xiaoming",25,10084]] t2 = pd.DataFrame(d2) print(t2) print('*'*25+'合并结果如下（默认是上下堆叠）'+'*'*25) t = pd.concat([t1,t2]) print(t)

运行结果：

         0   1      2
0  xiaolei  20  10081
1   xiaowu  30  10082
**************************************************
          0   1      2
0  xiaowang  22  10083
1  xiaoming  25  10084
********************合并结果如下（默认是上下堆叠）********************
          0   1      2
0   xiaolei  20  10081
1    xiaowu  30  10082
0  xiaowang  22  10083
1  xiaoming  25  10084

例2：axis=1 左右拼接

import pandas as pd d1 = [["xiaolei",20,10081],["xiaowu",30,10082]] t1 = pd.DataFrame(d1) print(t1) print('*'*50) d2 = [["xiaowang",22,10083],["xiaoming",25,10084]] t2 = pd.DataFrame(d2) print(t2) print('*'*20+'合并结果如下（左右拼接）'+'*'*20) t = pd.concat([t1,t2], axis=1) print(t)

运行结果：

         0   1      2
0  xiaolei  20  10081
1   xiaowu  30  10082
**************************************************
          0   1      2
0  xiaowang  22  10083
1  xiaoming  25  10084
********************合并结果如下（左右拼接）********************
         0   1      2         0   1      2
0  xiaolei  20  10081  xiaowang  22  10083
1   xiaowu  30  10082  xiaoming  25  10084

到此这篇关于pandas数据合并之pd.concat()用法详解的文章就介绍到这了,更多相关pandas pd.concat()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！

提示： 本文由神整理自网络，如有侵权请联系本站删除！
本站声明：
1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持；
2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！