Pandas——concat（合并）
2024-05-29 17:44:26
文章目录
- 1.前言
- 2.垂直合并（axis = 0）
- 3.join(合并方式)
- 4.join_axes
- 5.append (添加数据)
1.前言
pandas处理多组数据的时候往往会要用到数据的合并处理,使用 concat是一种基本的合并方式.而且concat中有很多参数可以调整,合并成你想要的数据形式.
2.垂直合并（axis = 0）
axis=0是预设值，因此未设定任何参数时，函数默认axis=0
import pandas as pd
import numpy as npdf1 = 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)
print(res)#输出a b c d e
0 6.0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0
0 7.0 7.0 7.0 7.0 7.0
1 7.0 7.0 7.0 7.0 7.0
2 7.0 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0 7.0
0 8.0 8.0 8.0 8.0 8.0
1 8.0 8.0 8.0 8.0 8.0
2 8.0 8.0 8.0 8.0 8.0
3 8.0 8.0 8.0 8.0 8.0
仔细观察会发现结果的index是0, 1, 2, 0, 1, 2, 0, 1, 2，若要将index重置，添加开关ignore_index = True：
import pandas as pd
import numpy as npdf1 = 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,ignore_index = True)
print(res)#输出a b c d e
0 6.0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0
4 7.0 7.0 7.0 7.0 7.0
5 7.0 7.0 7.0 7.0 7.0
6 7.0 7.0 7.0 7.0 7.0
7 7.0 7.0 7.0 7.0 7.0
8 8.0 8.0 8.0 8.0 8.0
9 8.0 8.0 8.0 8.0 8.0
10 8.0 8.0 8.0 8.0 8.0
11 8.0 8.0 8.0 8.0 8.0
3.join(合并方式)
join='outer’为预设值，因此未设定任何参数时，函数默认join=‘outer’。此方式是依照column来做纵向合并，有相同的column上下合并在一起，其他独自的column个自成列，原本没有值的位置皆以NaN填充。
import pandas as pd
import numpy as npdf1 = pd.DataFrame(np.ones((4,5))*6, columns = ['a','b','c','d','e'])
df2 = pd.DataFrame(np.ones((4,5))*7, columns = ['b','c','d','e','f'])
print(df1)
print('\n')
print(df2)
res = pd.concat([df1,df2],join = 'outer') #纵向"外"合并df1与df2
print(res)#输出a b c d e
0 6.0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0b c d e f
0 7.0 7.0 7.0 7.0 7.0
1 7.0 7.0 7.0 7.0 7.0
2 7.0 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0 7.0a b c d e f
0 6.0 6.0 6.0 6.0 6.0 NaN
1 6.0 6.0 6.0 6.0 6.0 NaN
2 6.0 6.0 6.0 6.0 6.0 NaN
3 6.0 6.0 6.0 6.0 6.0 NaN
0 NaN 7.0 7.0 7.0 7.0 7.0
1 NaN 7.0 7.0 7.0 7.0 7.0
2 NaN 7.0 7.0 7.0 7.0 7.0
3 NaN 7.0 7.0 7.0 7.0 7.0
原理同上个例子的说明，但只有相同的column合并在一起，其他的会被抛弃。
import numpy as np
import pandas as pddf1 = pd.DataFrame(np.ones((4,5))*6, columns = ['a','b','c','d','e'])
df2 = pd.DataFrame(np.ones((4,5))*7, columns = ['b','c','d','e','f'])print(df1)
print('\n')
print(df2)
print('\n')
res = pd.concat([df1,df2],axis = 0, join = 'inner')
print(res)
print('\n')
res_sort = pd.concat([df1,df2], axis = 0, join = 'inner',ignore_index = True) #重置index并打印结果
print(res_sort)#输出a b c d e
0 6.0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0b c d e f
0 7.0 7.0 7.0 7.0 7.0
1 7.0 7.0 7.0 7.0 7.0
2 7.0 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0 7.0b c d e
0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0
0 7.0 7.0 7.0 7.0
1 7.0 7.0 7.0 7.0
2 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0b c d e
0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0
4 7.0 7.0 7.0 7.0
5 7.0 7.0 7.0 7.0
6 7.0 7.0 7.0 7.0
7 7.0 7.0 7.0 7.0
4.join_axes
import numpy as np
import pandas as pddf1 = pd.DataFrame(np.ones((4,5))*6,columns = ['a','b','c','d','e'],index = [1,2,3,4])
df2 = pd.DataFrame(np.ones((4,5))*7,columns = ['b','c','d','e','f'],index = [2,3,4,5])print(df1)
print('\n')
print(df2)
print('\n')
res = pd.concat([df1,df2],axis = 1) #原始合并，没有的行补充NaN
print(res)
print('\n')
res_sort = pd.concat([df1,df2],axis = 1,join_axes = [df1.index]) #按照df1的index合并
print(res_sort)#输出a b c d e
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0
4 6.0 6.0 6.0 6.0 6.0b c d e f
2 7.0 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0 7.0
4 7.0 7.0 7.0 7.0 7.0
5 7.0 7.0 7.0 7.0 7.0a b c d e b c d e f
1 6.0 6.0 6.0 6.0 6.0 NaN NaN NaN NaN NaN
2 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
3 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
4 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
5 NaN NaN NaN NaN NaN 7.0 7.0 7.0 7.0 7.0a b c d e b c d e f
1 6.0 6.0 6.0 6.0 6.0 NaN NaN NaN NaN NaN
2 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
3 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
4 6.0 6.0 6.0 6.0 6.0 7.0 7.0 7.0 7.0 7.0
5.append (添加数据)
append只有纵向合并，没有横向合并。
import numpy as np
import pandas as pddf1 = pd.DataFrame(np.ones((4,5))*6,columns = ['a','b','c','d','e'],index = [1,2,3,4])
df2 = pd.DataFrame(np.ones((4,5))*7,columns = ['b','c','d','e','f'],index = [2,3,4,5])
df3 = pd.DataFrame(np.ones((4,5))*8,columns = ['c','d','e','f','g'],index = [3,4,5,6])
s1 = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(df1)
print(df2)res_df1_df2 = df1.append(df2, ignore_index = True) #将df2合并到df1的下面，以及重置index，并打印出结果
print(res_df1_df2)
res_df1_df2_df3 = df1.append([df2,df3],ignore_index = True) #合并多个df，将df2与df3合并至df1的下面，以及重置index，并打印出结果
print(res_df1_df2_df3)
res_series = df1.append(s1,ignore_index = True)
print(res_series)#输出a b c d e
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0
4 6.0 6.0 6.0 6.0 6.0b c d e f
2 7.0 7.0 7.0 7.0 7.0
3 7.0 7.0 7.0 7.0 7.0
4 7.0 7.0 7.0 7.0 7.0
5 7.0 7.0 7.0 7.0 7.0a b c d e f
0 6.0 6.0 6.0 6.0 6.0 NaN
1 6.0 6.0 6.0 6.0 6.0 NaN
2 6.0 6.0 6.0 6.0 6.0 NaN
3 6.0 6.0 6.0 6.0 6.0 NaN
4 NaN 7.0 7.0 7.0 7.0 7.0
5 NaN 7.0 7.0 7.0 7.0 7.0
6 NaN 7.0 7.0 7.0 7.0 7.0
7 NaN 7.0 7.0 7.0 7.0 7.0a b c d e f g
0 6.0 6.0 6.0 6.0 6.0 NaN NaN
1 6.0 6.0 6.0 6.0 6.0 NaN NaN
2 6.0 6.0 6.0 6.0 6.0 NaN NaN
3 6.0 6.0 6.0 6.0 6.0 NaN NaN
4 NaN 7.0 7.0 7.0 7.0 7.0 NaN
5 NaN 7.0 7.0 7.0 7.0 7.0 NaN
6 NaN 7.0 7.0 7.0 7.0 7.0 NaN
7 NaN 7.0 7.0 7.0 7.0 7.0 NaN
8 NaN NaN 8.0 8.0 8.0 8.0 8.0
9 NaN NaN 8.0 8.0 8.0 8.0 8.0
10 NaN NaN 8.0 8.0 8.0 8.0 8.0
11 NaN NaN 8.0 8.0 8.0 8.0 8.0a b c d e
0 6.0 6.0 6.0 6.0 6.0
1 6.0 6.0 6.0 6.0 6.0
2 6.0 6.0 6.0 6.0 6.0
3 6.0 6.0 6.0 6.0 6.0
4 1.0 2.0 3.0 4.0 5.0
Pandas——concat（合并）相关推荐
- PANDAS 数据合并与重塑（concat篇） 原创 2016年09月13日 19:26:30 47784 pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYS
PANDAS 数据合并与重塑(concat篇) 原创 2016年09月13日 19:26:30 标签: 47784 编辑 删除 pandas作者Wes McKinney 在[PYTHON FOR DA ...
- 【Python】图解Pandas数据合并：concat、join、append
公众号:尤而小屋 作者:Peter 编辑:Peter 图解pandas数据合并:concat+join+append 在上一篇文章中介绍过pandas中最为常用的一个合并函数merge的使用,本文中介 ...
- pandas数据合并：concat、join、append
公众号:尤而小屋 作者:Peter 编辑:Peter 大家好,我是Peter~ 图解pandas数据合并:concat+join+append 在上一篇文章中介绍过pandas中最为常用的一个合并函数 ...
- pandas向下合并多个excel文件，注意concat合并出现错位混乱不对齐
一.所有excel放在文件夹合并:向下合并 import pandas as pd import os def concat_excel(path,save_name):file_name_list ...
- Python 数据合并方法 —— Pandas concat() 详解
详解concat 参数说明 concat说明 ignore_index 示例 Example Reference 参数说明 pandas.concat(objs, axis=0, join='oute ...
- Pandas知识点-合并操作combine
Pandas知识点-合并操作combine combine是联合的意思,在Pandas中,combine()方法也是一种实现合并的方法,本文介绍combine()方法的用法. 一.combine_fi ...
- Pandas快速合并多张excel表格
目录 一.Excel表格命名存在规律的情况下 二.Excel表格文件名不规律的情况下 1.首先将所有excel表格放到一个文件夹下面 2.用pandas进行合并 三.身份证号合并乱码解决 最近用Pan ...
- 【python数据分析】pandas数据合并
pandas数据合并 使用contact,append,merge完成数据集合并 自己学习用,欢迎大佬指正. 1.concat pd.concat()可以合并series和DataFrame对象,默认 ...
- 阿里面试题：Pandas中合并数据的5个函数，各有千秋！
前几天在一个群里面,看到一位朋友,说到自己的阿里面试,被问了一些关于pandas的使用.其中一个问题是:pandas中合并数据的5中方法. 今天借着这个机会,就为大家盘点一下pandas中合并数据的5 ...
- pandas纵向合并数据
pandas纵向合并数据
最新文章
- 在CentOS 6.3 64bit上安装FTP服务器vsftpd 2.2.2
- linux主机密钥管理,管理ssh主机和私钥的最佳方法
- mysql 通过sock来登陆
- 如何在私有链部署智能合约
- boost::sort相关的测试程序
- Holedox Moving
- 微信小程序正则判断姓名和手机号
- 很好用的软件 RouterPassView
- springboot系列六、springboot配置错误页面及全局异常
- Dynamic Programming之Longest Increasing Subsequence (LIS)问题
- ValueError: This model has not yet been built. Build the model first by calling `build()` or calling
- Java的GUI学习十一(编程菜单)
- 哨兵系列卫星介绍与下载教程
- 单片机_第1章 单片机基础知识概述
- linux网络设置在哪里,虚拟机里，linux网络设置在哪啊，我没找到
- 9.3. Mathematical Functions and Operators
- 【涂鸦物联网足迹】涂鸦云平台接口列表—万能红外遥控器
- 微信小程序--小程序及微信生态圈
- MFC 修改字体的颜色
- 解决pip无法更新问题的简单方法：You are using pip version 20.1.2, however version 20.2.2 is available.......问题 的完
热门文章
- 【论文笔记】分层强化学习鼻祖：Feudal Reinforcement Learning 1993
- Python3 有序字典—OrderedDict()
- Python List sort方法无效
- User Agent跨站攻击
- android layout 渲染,java – 渲染android.support.design.widget.CoordinatorLayout的问题
- 程序员最深情的告白——《致对象》
- idea中刷新maven依赖，总是拉不下来
- idea中push到github或gitee过程中的常见错误记录
- android 讲程序设为默认主屏幕_轻松搞定 PC 副屏，双屏幕更方便！
- 软件单元测试（Unit Test ）最佳实践