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
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: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |