Pandas宝藏数组-concat()

>frames = {'df1':df1, 'df2':df2,'df3':df3}

result = pd.concat(frames)

A B C

df1 0 A0 B0 C0

1 A1 B1 C1

2 A2 B2 C2

3 A3 B3 C3

df2 0 A4 B4 C4

1 A5 B5 C5

2 A6 B6 C6

3 A7 B7 C7

df3 0 A8 B8 C8

1 A9 B9 C9

2 A10 B10 C10

3 A11 B11 C11

三、横向剪裁

1、axis 当axis = 1的时候，concat就是不依移位，然后将有所不同列于英文名称的两张注记原属

#日后做到一个注记

df4 = pd.DataFrame({'C':['C{}'.format(i) for i in range(3,9)],

'E':['E{}'.format(i) for i in range(3,9)],

'F':['F{}'.format(i) for i in range(3,9)]

})

pd.concat([df1,df4], axis=1)

A B C C E F

0 A0 B0 C0 C3 E3 F3

1 A1 B1 C1 C4 E4 F4

2 A2 B2 C2 C5 E5 F5

3 A3 B3 C3 C6 E6 F6

4 NaN NaN NaN C7 E7 F7

5 NaN NaN NaN C8 E8 F8

2、join 突显join实例的表征，如果为'inner'得不到的是两注记的空集，如果是outer，得不到的是两注记的并集。

# join='inner' 所取空集

pd.concat([df1, df4], axis=1, join='inner')

A B C C E F

0 A0 B0 C0 C3 E3 F3

1 A1 B1 C1 C4 E4 F4

2 A2 B2 C2 C5 E5 F5

3 A3 B3 C3 C6 E6 F6

# join='outer' 和 绑定系数完全一致

pd.concat([df1, df4], axis=1, join='outer')

A B C C E F

0 A0 B0 C0 C3 E3 F3

1 A1 B1 C1 C4 E4 F4

2 A2 B2 C2 C5 E5 F5

3 A3 B3 C3 C6 E6 F6

4 NaN NaN NaN C7 E7 F7

5 NaN NaN NaN C8 E8 F8

四、对比append方式

append是series和dataframe的方式，使用它就是绑定沿着列于进不依凭借（axis = 0，列于移位）

df1.append(df2)

A B C

0 A0 B0 C0

1 A1 B1 C1

2 A2 B2 C2

3 A3 B3 C3

0 A4 B4 C4

1 A5 B5 C5

2 A6 B6 C6

3 A7 B7 C7

五、或多或少index

如果两个注记的index都未仅仅意思，使用ignore_index实例，置true，原属的两个注记就睡根据列于配置文件移位，然后原属。仍要日后为了将一个在此之后index。

pd.concat([df1, df4], axis=1, ignore_index=True)

0 1 2 3 4 5

0 A0 B0 C0 C3 E3 F3

1 A1 B1 C1 C4 E4 F4

2 A2 B2 C2 C5 E5 F5

3 A3 B3 C3 C6 E6 F6

4 NaN NaN NaN C7 E7 F7

5 NaN NaN NaN C8 E8 F8

六、增大区分组基团

右边提到的keys实例可以用来给原属后的注记增大key来区分有所不同的注记数据可能

1、可以从外部用key实例做到

pd.concat([df1,df2,df3], keys=['x', 'y', 'z'])

A B C

x 0 A0 B0 C0

1 A1 B1 C1

2 A2 B2 C2

3 A3 B3 C3

y 0 A4 B4 C4

1 A5 B5 C5

2 A6 B6 C6

3 A7 B7 C7

z 0 A8 B8 C8

1 A9 B9 C9

2 A10 B10 C10

3 A11 B11 C11

2、中叶词条来增大分组基团

frames = {'df1':df1, 'df2':df2,'df3':df3}

result = pd.concat(frames)

A B C

df1 0 A0 B0 C0

1 A1 B1 C1

2 A2 B2 C2

3 A3 B3 C3

df2 0 A4 B4 C4

1 A5 B5 C5

2 A6 B6 C6

3 A7 B7 C7

df3 0 A8 B8 C8

1 A9 B9 C9

2 A10 B10 C10

3 A11 B11 C11

七、转为在此之后不依

1、列于配置文件完全一致的转为 append方式可以将 series 和 词条就够的数据作为dataframe的另不依一不依放入。

s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D'])

df1.append(s2, ignore_index=True)

A B C D

0 A0 B0 C0 NaN

1 A1 B1 C1 NaN

2 A2 B2 C2 NaN

3 A3 B3 C3 NaN

4 X0 X1 X2 X3

2、列于配置文件有所不同的转为 如果巧遇两张注记的列于配置文件本来就不一样，但又想将两个注记原属，其当中在先的系数用nan来注记示。那么可以使用ignore_index来做到。

dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4},

{'A': 5, 'B': 6, 'C': 7, 'Y': 8}]

df1.append(dicts, ignore_index=True)

A B C X Y

0 A0 B0 C0 NaN NaN

1 A1 B1 C1 NaN NaN

2 A2 B2 C2 NaN NaN

3 A3 B3 C3 NaN NaN

4 1 2 3 4.0 NaN

5 5 6 7 NaN 8.0

。

南昌白癜风
云南皮肤病治疗方法有什么
上海看妇科去哪个医院好
江西男科医院哪家医院好
江西白癜风医院哪家治疗最好
精索静脉曲张
咳嗽黄痰可以喝太极急支糖浆吗
肠炎用药
止咳糖浆怎么选
止痒中药