pandas中concat的用法

Pandas中的concat函数可以用来将两个或多个pandas对象按指定的轴方向进行连接，生成一个新的pandas对象。常见的使用方式为将两个DataFrame对象按行或列进行拼接。具体用法为：pd.concat([df1, df2], axis=0/1, join='outer/inner', ignore_index=False/True)。其中，axis=0表示按行拼接，axis=1表示按列拼接；join='outer'表示使用并集，join='inner'表示使用交集；ignore_index=False表示保留原来数据的索引，ignore_index=True表示重置索引。

相关问题

pandas的concat用法

pandas的concat函数可以用于将多个数据集按照一定的方式进行合并，常用的合并方式有“行拼接”和“列拼接”。

行拼接：

import pandas as pd

# 构造数据集
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']})

# 行拼接
row_concat = pd.concat([df1, df2, df3], axis=0)

print(row_concat)

输出：

     A    B    C    D
0   A0   B0   C0   D0
1   A1   B1   C1   D1
2   A2   B2   C2   D2
3   A3   B3   C3   D3
0   A4   B4   C4   D4
1   A5   B5   C5   D5
2   A6   B6   C6   D6
3   A7   B7   C7   D7
0   A8   B8   C8   D8
1   A9   B9   C9   D9
2  A10  B10  C10  D10
3  A11  B11  C11  D11

列拼接：

import pandas as pd

# 构造数据集
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'E': ['E0', 'E1', 'E2', 'E3'],
                    'F': ['F0', 'F1', 'F2', 'F3'],
                    'G': ['G0', 'G1', 'G2', 'G3'],
                    'H': ['H0', 'H1', 'H2', 'H3']})

# 列拼接
col_concat = pd.concat([df1, df2], axis=1)

print(col_concat)

输出：

    A   B   C   D   E   F   G   H
0  A0  B0  C0  D0  E0  F0  G0  H0
1  A1  B1  C1  D1  E1  F1  G1  H1
2  A2  B2  C2  D2  E2  F2  G2  H2
3  A3  B3  C3  D3  E3  F3  G3  H3

在行拼接和列拼接时，需要指定`axis`参数，`axis=0`表示行拼接，`axis=1`表示列拼接。同时，需要注意数据集在拼接时，列名或索引名需要对齐，否则会出现缺失值。

pandas.concat用法

pandas.concat()函数用于将多个pandas数据框按照行或列的方式进行合并。其基本用法如下：

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

参数说明：

- objs：一个列表，包含要合并的pandas数据框。
- axis：合并的轴，0表示按照行合并，1表示按照列合并，默认为0。
- join：合并的方式，‘inner’表示只合并两个数据框都有的列或行，‘outer’表示合并所有的列或行，默认为‘outer’。
- ignore_index：是否忽略合并后的行或列索引，默认为False。
- keys：一个列表，用于为合并后的数据框添加层次化索引。
- levels：一个列表，用于指定keys对应的每个层次化索引的级别。
- names：一个列表，用于指定每个层次化索引的名称。
- verify_integrity：是否检查合并后的数据框是否有重复的行或列索引，默认为False。
- sort：是否对合并后的数据框进行排序，默认为False。
- copy：是否复制合并后的数据框，默认为True。

示例：

import pandas as pd
 
# 创建两个数据框
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'], 'D': ['D4', 'D5', 'D6', 'D7']})
 
# 将两个数据框按照行合并
result = pd.concat([df1, df2])
print(result)
 
# 将两个数据框按照列合并
result = pd.concat([df1, df2], axis=1)
print(result)

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
0  A4  B4  C4  D4
1  A5  B5  C5  D5
2  A6  B6  C6  D6
3  A7  B7  C7  D7
 
    A   B   C   D   A   B   C   D
0  A0  B0  C0  D0  A4  B4  C4  D4
1  A1  B1  C1  D1  A5  B5  C5  D5
2  A2  B2  C2  D2  A6  B6  C6  D6
3  A3  B3  C3  D3  A7  B7  C7  D7