pandas的連接函數(shù)concat()函數(shù)的具體使用方法
更新時(shí)間：2019年07月09日 09:52:39 作者：zzpdbk
這篇文章主要介紹了pandas的連接函數(shù)concat()函數(shù)的具體使用方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
concat()函數(shù)的具體用法
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)
參數(shù)含義
- objs：Series，DataFrame或Panel對(duì)象的序列或映射。如果傳遞了dict，則排序的鍵將用作鍵參數(shù)，除非它被傳遞，在這種情況下，將選擇值（見下文）。任何無(wú)對(duì)象將被靜默刪除，除非它們都是無(wú)，在這種情況下將引發(fā)一個(gè)ValueError。
- axis：{0,1，...}，默認(rèn)為0。沿著連接的軸。
- join：{'inner'，'outer'}，默認(rèn)為“outer”。如何處理其他軸上的索引。outer為聯(lián)合和inner為交集。
- ignore_index：boolean，default False。如果為True，請(qǐng)不要使用并置軸上的索引值。結(jié)果軸將被標(biāo)記為0，...，n-1。如果要連接其中并置軸沒(méi)有有意義的索引信息的對(duì)象，這將非常有用。注意，其他軸上的索引值在連接中仍然受到尊重。
- join_axes：Index對(duì)象列表。用于其他n-1軸的特定索引，而不是執(zhí)行內(nèi)部/外部設(shè)置邏輯。
- keys：序列，默認(rèn)值無(wú)。使用傳遞的鍵作為最外層構(gòu)建層次索引。如果為多索引，應(yīng)該使用元組。
- levels：序列列表，默認(rèn)值無(wú)。用于構(gòu)建MultiIndex的特定級(jí)別（唯一值）。否則，它們將從鍵推斷。
- names：list，default無(wú)。結(jié)果層次索引中的級(jí)別的名稱。
- verify_integrity：boolean，default False。檢查新連接的軸是否包含重復(fù)項(xiàng)。這相對(duì)于實(shí)際的數(shù)據(jù)串聯(lián)可能是非常昂貴的。
- copy：boolean，default True。如果為False，請(qǐng)勿不必要地復(fù)制數(shù)據(jù)。
In [1]: 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])
...:
In [2]: 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])
...:
In [3]: df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
...: 'B': ['B8', 'B9', 'B10', 'B11'],
...: 'C': ['C8', 'C9', 'C10', 'C11'],
...: 'D': ['D8', 'D9', 'D10', 'D11']},
...: index=[8, 9, 10, 11])
...:
In [4]: frames = [df1, df2, df3]
In [5]: result = pd.concat(frames)
KEY參數(shù)
result = pd.concat(frames, keys=['x', 'y', 'z'])
JOIN參數(shù)
默認(rèn)join = 'outer',為取并集的關(guān)系
In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
...: 'D': ['D2', 'D3', 'D6', 'D7'],
...: 'F': ['F2', 'F3', 'F6', 'F7']},
...: index=[2, 3, 6, 7])
...:
In [9]: result = pd.concat([df1, df4], axis=1)
結(jié)果：
當(dāng)設(shè)置join = 'inner'，則說(shuō)明為取交集
In [10]: result = pd.concat([df1, df4], axis=1, join='inner')
結(jié)果：
如果索引想從原始DataFrame重用確切索引：
In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index]) #設(shè)置索引為df1的索引
pandas文檔：http://pandas.pydata.org/pandas-docs/stable/
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
使用Python開發(fā)游戲運(yùn)行腳本成功調(diào)用大漠插件
閑來(lái)無(wú)事，想通過(guò)python來(lái)實(shí)現(xiàn)一些簡(jiǎn)單的游戲輔助腳本，而游戲輔助腳本的主要原理就是通過(guò)程序來(lái)查找游戲程序窗口，模擬實(shí)現(xiàn)鼠標(biāo)點(diǎn)擊和鍵盤按鍵等事件來(lái)實(shí)現(xiàn)游戲輔助的，對(duì)Python開發(fā)游戲運(yùn)行腳本相關(guān)知識(shí)感興趣的朋友跟隨小編一起看看吧2021-11-11
這篇文章主要為大家詳細(xì)介紹了python多線程下信號(hào)處理程序示例，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-05-05
在Python中封裝GObject模塊進(jìn)行圖形化程序編程的教程
這篇文章主要介紹了在Python中封裝GObject模塊進(jìn)行圖形化程序編程的教程,本文來(lái)自于IBM官方網(wǎng)站技術(shù)文檔,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python進(jìn)程間通信用法,涉及Python通過(guò)multiprocessing模塊操作進(jìn)程的相關(guān)技巧,需要的朋友可以參考下2015-06-06
詳解PyTorch預(yù)定義數(shù)據(jù)集類datasets.ImageFolder使用方法
這篇文章主要為大家介紹了PyTorch預(yù)定義數(shù)據(jù)集類datasets.ImageFolder使用方法詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-04-04
這篇文章主要介紹了Python3 抓取微信賬單信息,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-07-07
用Python進(jìn)行簡(jiǎn)單圖像識(shí)別（驗(yàn)證碼）
這篇文章主要為大家詳細(xì)介紹了用Python進(jìn)行簡(jiǎn)單圖像識(shí)別驗(yàn)證碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
這篇文章主要介紹了Python中的字符串相關(guān)知識(shí)，文中講解的非常細(xì)致，代碼幫助大家更好的理解，感興趣的朋友可以參考下2020-06-06
Cross-Origin Resource Sharing（CORS） 跨域問(wèn)題,在前后端后離項(xiàng)目,selenium , playweight 自動(dòng)化測(cè)試代碼中經(jīng)常遇到,本文給大家介紹了Django解決CORS跨域問(wèn)題的方案,文中有詳細(xì)的代碼講解,需要的朋友可以參考下2024-03-03
這篇文章主要介紹了Pycharm新手使用教程(圖文詳解)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-08-08