Python3 pandas.concat的用法说明

简介

pandas是数据处理的重要工具，其中concat方法可以合并两个或多个数据框(DataFrame)，具体实现请参考pandas官方文档。

语法

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

参数说明：

• objs: Series或者DataFrame构成的序列，可迭代对象，表示待合并的多个数据框。
• axis: 指示合并方式，axis=0表示按列合并，列数要保持一致。axis=1表示按行合并，行数要保持一致，即索引相同。
• join: 指定合并方式，如'outer'为外连接，'inner'为内连接。
• ignore_index: 指定是否忽略原数据的索引，将新数据的索引连续排列。
• keys: 可选项，表示合并后新数据框中每个待合并数据框名称，生成层次化索引。
• levels: 可选项，表示合并后新数据框中每个待合并数据框索引的层级。
• names: 可选项，表示合并后新数据框中每个待合并数据框索引或者列名的名称。
• verify_integrity: 选项，表示是否验证数据的完整性，如果为True，则在合并前检查是否有重复项。
• sort: 是否按照索引排序，排序后能够增加查询速度。
• copy: 是否复制原数据，如果为False表示只引用，否则生成新的变量。

示例说明

示例1：行合并

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']})

df_concat = pd.concat([df1, df2], axis=0)

以上代码实现了将两个DataFrame按行合并的操作。传入了两个待合并的DataFrame：df1和df2，然后通过concat方法将两个DataFrame合并，合并后得到df_concat。

示例2：列合并

import pandas as pd

df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
                    'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3']})

df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df_concat = pd.concat([df1, df2], axis=1)

以上代码实现了将两个DataFrame按列合并的操作。传入了两个待合并的Data Frame：df1和df2，然后通过concat方法将两个DataFrame按列合并，合并后得到df_concat。

总结

Python 3 pandas提供了丰富的数据处理方法，concat是其中处理数据集合的重要方法。通过对本文的学习，希望您能够自如的在实际开发中运用concat方法。