大家知道在pandas的資料框架中，資料格式物件主要有兩種，一種是Series，另一種則是比較常見的DataFrame資料物件，pandas.concat()連接函式主要是用于處理這兩種物件的資料連接！
【閱讀全文】
函式說明
'''
cancat()函式
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)
引數說明：
objs：Series，DataFrame或Panel物件的序列或映射，如果傳遞了dict，則排序的鍵將用作鍵引數，除非它被傳遞，在這種情況下，將選擇值（見下文），任何無物件將被靜默洗掉，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，請不要使用并置軸上的索引值，結果軸將被標記為0，...，n-1，如果要連接其中并置軸沒有有意義的索引資訊的物件，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物件串列，用于其他n-1軸的特定索引，而不是執行內部/外部設定邏輯，
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：序列串列，默認值無，用于構建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，這相對于實際的資料串聯可能是非常昂貴的，
copy：boolean，default True，如果為False，請勿不必要地復制資料，
'''
Series 資料處理
普通合并
# 匯入pandas資料處理庫
import pandas as pd
# 初始化series_1資料物件
series_1 = pd.Series(['a', 'b','c'])
# 初始化series_2資料物件
series_2 = pd.Series(['c', 'd'])
# 合并series_1、series_2
res = pd.concat([series_1, series_2])
# 列印合并結果
print(res)
# 0 a
# 1 b
# 2 c
# 0 c
# 1 d
忽略索引合并
# 合并series_1、series_2，忽略索引
res = pd.concat([series_1, series_2],ignore_index=True)
# 列印合并結果
print(res)
# 0 a
# 1 b
# 2 c
# 3 c
# 4 d
添加分層索引合并
# 合并series_1、series_2，忽略索引
res = pd.concat([series_1, series_2],keys=['series_1','series_2'])
# 列印合并結果
print(res)
# series_1 0 a
# 1 b
# 2 c
# series_2 0 c
# 1 d
添加資料列合并
# 合并series_1、series_2，添加資料列名
res = pd.concat([series_1, series_2],keys=['series_1','series_2'],names=['Series ID', 'index'])
# 列印合并結果
print(res)
# Series ID index
# series_1 0 a
# 1 b
# 2 c
# series_2 0 c
# 1 d
DataFrame 資料處理
合并兩個相同列的DataFrame物件
# 創建DataFrame物件dataframe_1
dataframe_1 = pd.DataFrame([['coding', 'python'], ['type', '1']], columns=['名稱', '型別'])
# 創建DataFrame物件dataframe_2
dataframe_2 = pd.DataFrame([['coding', 'java'], ['type', '2']], columns=['名稱', '型別'])
# 合并兩個列相同的DataFrame物件dataframe_1、dataframe_2
res = pd.concat([dataframe_1, dataframe_2])
# 列印合并DataFrame物件
print(res)
# 名稱 型別
# 0 coding python
# 1 type 1
# 0 coding java
# 1 type 2
合并重疊的DataFrame
# 創建DataFrame物件dataframe_3
dataframe_3 = pd.DataFrame([['coding', 'java','91'], ['type', '2','93']], columns=['名稱', '型別','評分'])
# 合并兩個不相同的DataFrame物件dataframe_1、dataframe_3
# 合并時不存在的列則使用Nan值進行合并
res = pd.concat([dataframe_1, dataframe_3],sort=False)
# 列印合并DataFrame物件
print(res)
# 名稱 型別 評分
# 0 coding python NaN
# 1 type 1 NaN
# 0 coding java 91
# 1 type 2 93
# join='inner',去除重疊交叉的列
res = pd.concat([dataframe_1, dataframe_3],join='inner')
print(res)
# 0 coding python
# 1 type 1
# 0 coding java
# 1 type 2
歡迎關注作者公眾號【Python 集中營】，專注于后端編程，每天更新技術干貨，不定時分享各類資料！本文由WeiXin公眾號【python 集中營】一鍵發布，更多精彩文章、視頻資料即可領取！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/303457.html
標籤：其他