Python中的pandas.concat()函数 |
您所在的位置：网站首页 › python concat函数 › Python中的pandas.concat()函数 |
Python中的pandas.concat()函数
|
Python中的pandas.concat()函数
pandas.concat()函数完成了所有繁重的工作，它与一个axisod Pandas对象一起执行连接操作，同时对其他axis上的索引（如果有的话）执行可选的集合逻辑（union或intersection）。 语法: concat(objs, axis, join, ignore_index, keys, levels, names, verify_integrity, sort, copy) 参数: objs: 系列或数据框架对象 axis: 连接的axis；默认=0 join：处理其他axis上的索引的方式；默认=’外部’。 ignore_index: 如果为真，则不使用串联axis上的索引值；默认=假 keys: 序列，为结果索引添加一个标识符；默认 = 无 levels：构建MultiIndex时使用的特定级别（唯一值）；默认=无 names: 所产生的分层索引中的等级名称；默认 = None verify_integrity：检查新的串联axis是否包含重复的内容；默认 = False sort：当连接为 “外部 “时，如果非连接axis尚未对齐，则对其进行排序；默认 = False copy: 如果是假的，就不要不必要地复制数据；默认 = True返回：对象的类型（数据框架系列）。 例子1：用默认参数串联2个系列。 # importing the module import pandas as pd # creating the Series series1 = pd.Series([1, 2, 3]) display('series1:', series1) series2 = pd.Series(['A', 'B', 'C']) display('series2:', series2) # concatenating display('After concatenating:') display(pd.concat([series1, series2]))输出:
例子2：水平连接2个系列，索引=1 # importing the module import pandas as pd # creating the Series series1 = pd.Series([1, 2, 3]) display('series1:', series1) series2 = pd.Series(['A', 'B', 'C']) display('series2:', series2) # concatenating display('After concatenating:') display(pd.concat([series1, series2], axis = 1))输出:
实例3：串联2个数据帧并分配键。 # importing the module import pandas as pd # creating the DataFrames df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']}) display('df1:', df1) df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7']}) display('df2:', df2) # concatenating display('After concatenating:') display(pd.concat([df1, df2], keys = ['key1', 'key2']))输出:
例子4：水平串联2个数据帧，axis=1 . # importing the module import pandas as pd # creating the DataFrames df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']}) display('df1:', df1) df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']}) display('df2:', df2) # concatenating display('After concatenating:') display(pd.concat([df1, df2], axis = 1))输出:
例子5：用ignore_index = True串联2个数据帧，这样新的索引值就会显示在串联的数据帧中。 # importing the module import pandas as pd # creating the DataFrames df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']}) display('df1:', df1) df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7']}) display('df2:', df2) # concatenating display('After concatenating:') display(pd.concat([df1, df2], ignore_index = True))输出:
实例6：将一个数据框架与一个系列连接起来。 # importing the module import pandas as pd # creating the DataFrame df = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']}) display('df:', df1) # creating the Series series = pd.Series([1, 2, 3, 4]) display('series:', series) # concatenating display('After concatenating:') display(pd.concat([df, series], axis = 1))输出:
|
【本文地址】
今日新闻 |
推荐新闻 |