一、concat

concat函數(shù)是在pandas底下的方法，可以將數(shù)據(jù)根據(jù)不同的軸作簡單的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

axis： 需要合并鏈接的軸，0是行，1是列join：連接的方式 inner，或者outer

二、相同字段的表首尾相接

#現(xiàn)將表構成list，然后在作為concat的輸入
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

要在相接的時候在加上一個層次的key來識別數(shù)據(jù)源自于哪張表，可以增加key參數(shù)

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

也可以通過傳入字典來增加分組鍵

pieces = {'x': df1, 'y': df2, 'z': df3}

result = pd.concat(pieces)

三、axis

當axis = 1的時候，concat就是行對齊，然后將不同列名稱的兩張表合并，是以索引號進行連接的

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

3.1 join

加上join參數(shù)的屬性，如果為'inner'得到的是兩表的交集，如果是outer，得到的是兩表的并集。

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

3.2 join_axes

如果有join_axes的參數(shù)傳入，可以指定根據(jù)那個軸來對齊數(shù)據(jù)
例如根據(jù)df1表對齊數(shù)據(jù)，就會保留指定的df1表的軸，然后將df4的表與之拼接

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

四、append

append是series和dataframe的方法，使用它就是默認沿著列進行憑借（axis = 0，列對齊）

result = df1.append(df2)

五、無視index的concat

如果兩個表的index都沒有實際含義，使用ignore_index參數(shù)，置true，合并的兩個表就睡根據(jù)列字段對齊，然后合并。最后再重新整理一個新的index。

到此這篇關于Python基礎之pandas數(shù)據(jù)合并的文章就介紹到這了,更多相關Python pandas數(shù)據(jù)合并內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！