[人工智能]Python - Pandas 数据拼接concat

本文摘要：

使用concat拼接数据

df1为

df2为

1. 默认concat，参数axis=0, join=‘outer’, ignore_index=False，即按行拼接，拼接方式保留所有列，不忽略原数据索引。

import pandas as pd
pd.concat([df1, df2])

返回结果

2. 设置ignore_index=True，忽略原数据索引

import pandas as pd
pd.concat([df1, df2], ignore_index=True)

返回结果，可以看到行索引的区别。

3. 设置join=‘inner’，只保留共有列（因为默认axis=0是按行拼接，所以保留是考虑列）

import pandas as pd
pd.concat([df1, df2], ignore_index=True, join='inner')

返回结果

4. 设置axis=1，也就是按列拼接，即添加一列或多列属性。

s1 = pd.Series(list(range(4)), name='F')
pd.concat([df1, s1], axis=1)

返回结果，因为axis=1，join默认’outer’，ignore_index默认False，即按列拼接，保留所有行，保留原数据索引

# 添加多列Series
s2 = df1.apply(lambda x:x['A']+'_GG', axis=1)
s2.name='G'
pd.concat([df1, s1, s2], axis=1)

s2如下

返回结果

concat的列表的参数，可以DataFrame 和 Series混合放，返回的结果顺序与列表的一致。

# 只放Series
pd.concat([s1, s2], axis=1)

返回结果

# 混合
pd.concat([s1, df1, s2], axis=1)

返回结果

使用append按行拼接

df1为

df2为

1. DataFrame按行拼接DataFrame

df1.append(df2)

2. 忽略原数据索引

df1.append(df2, ignore_index=True)

*此文仅为个人笔记