【Pandas总结】第七节 Pandas 合并数据集_pd.concat()
文章目录
- `pd.concat()` 的用法
- 一、数据准备：
- 二、上下堆叠合并 `axis=0`
- 三、左右拼接合并 `axis=1`
- 四、inner 与 outer 对比
- 写在最后
将不同的数据源合并在一起是数据处理中最有趣的事情之一，在pandas中进行数据的合并，既可以使用pd.concat 进行简单的数据合并，也可以使用pd.merge, pd.join 进行复杂的合并；本节主要内容是pd.concat。
pd.concat() 的用法
语法格式：
pandas.concat(objs, axis=0, join=‘outer’, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
| 参数 | 解释 |
|---|---|
| objs | 表示需要连接的对象，多个df的话，用列表的方式传入该参数 |
| axis | {0/‘index’, 1/‘columns’}要连接的轴。0 为上下堆叠，1为左右拼接 |
| join | {‘inner’, ‘outer’}, 默认‘outer’。join='outer’表示外连接，保留两个表中的所有信息；join="inner"表示内连接，拼接结果只保留两个表共有的信息 |
| ignore_index | bool，默认为 False。如果为 True，则不要沿连接轴使用索引值。结果轴将标记为 0, …, n - 1。如果您要连接对象，而连接轴没有有意义的索引信息，这将非常有用。请注意，连接中仍然尊重其他轴上的索引值。 |
| keys | 键序列，默认无。如果通过了多个级别，则应包含 元组 。使用传递的键作为最外层构建层次索引。 |
| levels | 序列列表，默认无。用于构造 MultiIndex 的特定级别（唯一值）。否则，它们将从密钥中推断出来。 |
| names | 默认无。生成的分层索引中的级别名称。 |
| verify_integrity | bool 值，默认为 False。检查新的连接轴是否包含重复项。相对于实际的数据连接，这可能非常昂贵。 |
| sort | bool 值，默认为 False。如果连接为“外部”时尚未对齐，则对非连接轴进行排序。这在 join=‘inner’ 时无效，它已经保留了非串联轴的顺序。在 1.0.0 版更改: 默认情况下更改为不排序。 |
| copy | bool 值，默认 True。如果为 False，则不要不必要地复制数据。 |
说明：虽然参数参数有这么多，但其实很多都不常用，常用的参数只有：axis，join ；只要记着两个就OK啦~
一、数据准备：
import pandas as pd
df1=pd.DataFrame({'姓名':['周杰伦','蔡徐坤','王菲'],'歌曲':['明明就','情人','如愿'],'发行时间':[2019,2018,2021]},index=[1,2,3])
df2=pd.DataFrame({'姓名':['林俊杰','凤凰传奇'],'歌曲':['修炼爱情','海底'],'发行时间':[2016,2022]},index=[1,2])
二、上下堆叠合并 axis=0
更多时候，pd.concat 就是为了将表上下拼接起来，所以这里的内容是非常重要的；
import pandas as pd
df1=pd.DataFrame({'姓名':['周杰伦','蔡徐坤','王菲'],'歌曲':['明明就','情人','如愿'],'发行时间':[2019,2018,2021]},index=[1,2,3])
df2=pd.DataFrame({'姓名':['林俊杰','凤凰传奇'],'歌曲':['修炼爱情','海底'],'发行时间':[2016,2022]},index=[1,2])
df3 = pd.concat([df1,df2])
若两个表所包含的列名有不同，举例如下：
import pandas as pd
df1=pd.DataFrame({'姓名':['周杰伦','蔡徐坤','王菲'],'歌曲':['明明就','情人','如愿'],'发行时间':[2019,2018,2021]},index=[1,2,3])
df2=pd.DataFrame({'姓名':['林俊杰','凤凰传奇'],'歌曲':['修炼爱情','海底'],'金曲奖':['是','否']},index=[1,2])
df3 = pd.concat([df1,df2])
三、左右拼接合并 axis=1
import pandas as pd
df1=pd.DataFrame({'姓名':['周杰伦','蔡徐坤','王菲'],'歌曲':['明明就','情人','如愿'],'发行时间':[2019,2018,2021]},index=[1,2,3])
df2=pd.DataFrame({'姓名':['林俊杰','凤凰传奇'],'歌曲':['修炼爱情','海底'],'发行时间':[2016,2022]},index=[1,2])
df3 = pd.concat([df1,df2],axis=1)
若两个表所包含的列不同，举例如下：
import pandas as pd
df1=pd.DataFrame({'姓名':['周杰伦','蔡徐坤','王菲'],'歌曲':['明明就','情人','如愿'],'发行时间':[2019,2018,2021]},index=[1,2,3])
df2=pd.DataFrame({'姓名':['林俊杰','凤凰传奇'],'歌曲':['修炼爱情','海底'],'金曲奖':['是','否']},index=[1,2])
df3 = pd.concat([df1,df2],axis=1)
可以看到，左右拼接合并时，是以Index作为拼接的关联值的；所以这个方法不是非常常用；因为不太好用；所以，可以忘记这里；
四、inner 与 outer 对比
join = 'outer' 就是默认值，所以上面所举的例子都是join = 'outer'的结果，两个参数的对比为：
| 参数 | 说明 |
|---|---|
join = 'outer' | 保留所有的数据 |
join = 'inner' | 只保留共有信息 |
举例如下：
写在最后
pd.concat() 函数虽然参数参数有很多，但其实很多都不常用，常用的参数只有：axis，join ；所以只要知道这两个，一般情况下，就完全够用了；另外，pd.concat() 函数在通常情况下都只用于上下堆叠合并，所以其实我们只要知道上下堆叠合并，这一种使用方法就完全OK啦~
这里多余写这段话，主要就是想大家把精力放在重点上，避免在不重要的地方投入过多精力；
以上为个人理解，如有错误，还请不吝赐教，多多指导~~