pandas的連接函數concat()函數
阿新 • • 發佈：2018-09-14
list 情況 def lse panel 默認值 n-1 pretty copy
- pd.concat(objs, axis=0, join=‘outer‘, join_axes=None, ignore_index=False,
- keys=None, levels=None, names=None, verify_integrity=False,
- copy=True)
參數含義
objs：Series，DataFrame或Panel對象的序列或映射。如果傳遞了dict，則排序的鍵將用作鍵參數，除非它被傳遞，在這種情況下，將選擇值（見下文）。任何無對象將被靜默刪除，除非它們都是無，在這種情況下將引發一個ValueError。axis：{0,1，...}，默認為0。沿著連接的軸。join：{‘inner‘，‘outer‘}，默認為“outer”。如何處理其他軸上的索引。outer為聯合和inner為交集。ignore_index：boolean，default False。如果為True，請不要使用並置軸上的索引值。結果軸將被標記為0，...，n-1。如果要連接其中並置軸沒有有意義的索引信息的對象，這將非常有用。註意，其他軸上的索引值在連接中仍然受到尊重。join_axes：Index對象列表。用於其他n-1軸的特定索引，而不是執行內部/外部設置邏輯。keys：序列，默認值無。使用傳遞的鍵作為最外層構建層次索引。如果為多索引，應該使用元組。levels：序列列表，默認值無。用於構建MultiIndex的特定級別（唯一值）。否則，它們將從鍵推斷。names：list，default無。結果層次索引中的級別的名稱。verify_integrity：boolean，default False。檢查新連接的軸是否包含重復項。這相對於實際的數據串聯可能是非常昂貴的。copy：boolean，default True。如果為False，請勿不必要地復制數據。
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
一、Numpy數組的連接–concatenate
a = np.arange(6).reshape(2,3)
a
array([[0, 1, 2],
[3, 4, 5]])
1.垂直連接
np.concatenate([a,a])
array([[0, 1, 2],
[3, 4, 5],
[0, 1, 2],
[3, 4, 5]])
2.水平連接
np.concatenate([a,a],axis=1)
array([[0, 1, 2, 0, 1, 2],
[3, 4, 5, 3, 4, 5]])
二、pandas.concat函數
s1 = Series([0,1],index = [‘a‘,‘b‘])
s2 = Series([2,3,4],index = [‘c‘,‘d‘,‘e‘])
s3 = Series([5,6],index = [‘f‘,‘g‘])
1.垂直連接
pd.concat([s1,s2,s3])
a 0
b 1
c 2
d 3
e 4
f 5
g 6
dtype: int64
2.水平連接
print(pd.concat([s1,s2,s3],axis=1))
0 1 2
a 0.0 NaN NaN
b 1.0 NaN NaN
c NaN 2.0 NaN
d NaN 3.0 NaN
e NaN 4.0 NaN
f NaN NaN 5.0
g NaN NaN 6.0
3.對連接的對象添加索引(實現層次索引)
print(pd.concat([s1,s2,s3],keys=[‘one‘,‘two‘,‘thress‘]))
one a 0
b 1
two c 2
d 3
e 4
thress f 5
g 6
dtype: int64
4.水平連接時，為結果的DataFrame添加列索引
print(pd.concat([s1,s2,s3],axis=1,keys=[‘one‘,‘two‘,‘three‘]))
one two three
a 0.0 NaN NaN
b 1.0 NaN NaN
c NaN 2.0 NaN
d NaN 3.0 NaN
e NaN 4.0 NaN
f NaN NaN 5.0
g NaN NaN 6.0
5.對DataFrame同樣適用
pandas的連接函數concat()函數