Pandas concat：基础合并方法与垂直堆叠详解

Pandas中的`concat`函数是数据处理中的重要工具，它用于在DataFrame对象之间进行水平或垂直合并。本文主要讲解如何利用`concat`进行两种基本的合并操作：垂直合并（默认轴向0）和水平合并（通过设置`axis`参数）。 1. 前言 当我们需要对多组数据进行整合时，`concat`函数提供了方便的方式。它的灵活性在于可以设置各种参数，帮助用户根据需求调整合并后的数据结构。对于初学者来说，理解`concat`的基本用法和参数设置是必不可少的。 2. 垂直合并（axis=0） `axis=0`表示沿着索引（行）方向进行合并，这是默认的行为。例如，通过以下代码，我们创建了三个DataFrame df1、df2和df3，每张表有相同的列但不同的数据。当使用`pd.concat([df1, df2, df3], axis=0)`时，这三个DataFrame会被堆叠在一起，形成一个新的DataFrame，其索引按顺序依次增加。 ```python df1 = pd.DataFrame(np.ones((4,5))*6, columns=['a', 'b', 'c', 'd', 'e']) df2 = pd.DataFrame(np.ones((4,5))*7, columns=['a', 'b', 'c', 'd', 'e']) df3 = pd.DataFrame(np.ones((4,5))*8, columns=['a', 'b', 'c', 'd', 'e']) res = pd.concat([df1, df2, df3], axis=0) ``` 结果展示了三个DataFrame按照行（索引0, 1, 2）依次堆叠，形成了一个12行5列的新DataFrame。 3. 忽略原索引（ignore_index=True） 如果不希望保留原始DataFrame的索引，可以使用`ignore_index=True`，这样新的索引将从0开始重新计数。例如： ```python re = pd.concat([df1, df2, df3], axis=0, ignore_index=True) ``` 这将得到一个新的DataFrame，其索引将变成连续的0到11。 4. 其他合并方式 - join()与join_axes `concat`函数的另一个重要用途是与`join()`方法区分开来。`join()`主要用于基于共享的索引或列进行连接，而`concat`则适用于沿着指定轴进行合并。`join_axes`参数允许用户指定用于合并的轴上的标签列表，这对于更复杂的合并场景很有用。 5. append()方法 另一个类似的函数是`append()`，它通常用于在DataFrame的末尾追加数据。然而，`concat`提供更多的控制，如合并多个DataFrame，而不仅仅是追加单个DataFrame。 总结起来，`concat`函数是Pandas中进行数据合并的强大工具，它允许用户在数据处理过程中灵活地组合和管理数据。通过理解`axis`参数的选择以及`ignore_index`等选项，可以更好地满足数据清洗和分析的需求。