pandas.concat如何使用
时间: 2023-10-13 18:26:09 浏览: 41
pandas.concat() 函数可以用于将多个 pandas 数据框(DataFrame)或序列(Series)沿着指定的轴进行连接。以下是 pandas.concat() 函数的语法:
```python
pandas.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`:要连接的 pandas 数据框或序列的列表。
- `axis`:指定沿着哪个轴进行连接,0 表示沿着行方向进行连接,1 表示沿着列方向进行连接。
- `join`:指定连接方式,可以是 'inner' 或 'outer'。默认是 'outer',表示并集。
- `ignore_index`:表示是否忽略原始数据框的索引,并且创建新的索引。默认是 False。
- `keys`:用于在连接轴上创建层次化索引的标记数组(列表)。
- `levels`:用于创建层次化索引的标签,如果 keys 指定了多个标记数组,levels 参数就是对应每个标记数组的层级。
- `names`:用于创建层次化索引的名称列表。
- `verify_integrity`:表示是否检查连接的数据框中是否存在重复的索引值。默认是 False。
- `sort`:表示是否按照字典序(lexicographically)对连接轴上的索引进行排序。默认是 False。
- `copy`:表示是否复制数据。默认是 True,即复制。
以下是一个示例:
```python
import pandas as pd
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']})
# 沿着行方向进行连接
result = pd.concat([df1, df2, df3])
print(result)
# 沿着列方向进行连接
result = pd.concat([df1, df2, df3], 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
0 A8 B8 C8 D8
1 A9 B9 C9 D9
2 A10 B10 C10 D10
3 A11 B11 C11 D11
A B C D A B C D A B C D
0 A0 B0 C0 D0 A4 B4 C4 D4 A8 B8 C8 D8
1 A1 B1 C1 D1 A5 B5 C5 D5 A9 B9 C9 D9
2 A2 B2 C2 D2 A6 B6 C6 D6 A10 B10 C10 D10
3 A3 B3 C3 D3 A7 B7 C7 D7 A11 B11 C11 D11
```