作者：小伍哥

來源：AI入門學習

在數(shù)據(jù)處理過程中，經(jīng)常會遇到多個表進行拼接合并的需求，在Pandas中有多個拼接合并的方法，每種方法都有自己擅長的拼接方式，本文對pd.concat()進行詳細講解，希望對你有幫助。pd.concat()函數(shù)可以沿著指定的軸將多個dataframe或者series拼接到一起，這一點和另一個常用的pd.merge()函數(shù)不同，pd.merge()解決數(shù)據(jù)庫樣式的左右拼接，不能解決上下拼接。

一、基本語法

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

二、參數(shù)含義

• objs：Series，DataFrame或Panel對象的序列或映射，如果傳遞了dict，則排序的鍵將用作鍵參數(shù)
• axis：{0,1，...}，默認為0,也就是縱向上進行合并。沿著連接的軸。
• join：{'inner'，'outer'}，默認為“outer”。如何處理其他軸上的索引。outer為聯(lián)合和inner為交集。
• ignore_index：boolean，default False。如果為True，請不要使用并置軸上的索引值。結果軸將被標記為0，...，n-1。如果要連接其中并置軸沒有有意義的索引信息的對象，這將非常有用。注意，其他軸上的索引值在連接中仍然受到尊重。
• keys：序列，默認值無。使用傳遞的鍵作為最外層構建層次索引。如果為多索引，應該使用元組。
• levels：序列列表，默認值無。用于構建MultiIndex的特定級別（唯一值）。否則，它們將從鍵推斷。
• names：list，default無。結果層次索引中的級別的名稱。
• verify_integrity：boolean，default False。檢查新連接的軸是否包含重復項。這相對于實際的數(shù)據(jù)串聯(lián)可能是非常昂貴的。
• copy：boolean，default True。如果為False，請勿不必要地復制數(shù)據(jù)。

三、豎向堆疊

#構建需要的數(shù)據(jù)表 

import pandas as pd
df1 = pd.DataFrame({'A':['A{}'.format(i) for i in range(0,4)], 'B':['B{}'.format(i) for i in range(0,4)], 'C':['C{}'.format(i) for i in range(0,4)]
                 })


df2 = pd.DataFrame({'A':['A{}'.format(i) for i in range(4,8)], 'B':['B{}'.format(i) for i in range(4,8)], 'C':['C{}'.format(i) for i in range(4,8)]
                 })
df3 = pd.DataFrame({'A':['A{}'.format(i) for i in range(8,12)], 'B':['B{}'.format(i) for i in range(8,12)], 'C':['C{}'.format(i) for i in range(8,12)]
                 })

現(xiàn)將表構成list，然后在作為concat的輸入

frames = [df1, df2, df3] result = pd.concat(frames) 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 0 A8   B8   C8 1 A9   B9   C9 2 A10  B10  C10 3 A11  B11  C11 

傳入也可以是字典

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、橫向拼接 

1、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

#再構建一個表

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

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。

#  join='inner' 取交集 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 默認值相同 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、對比append方法 

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）

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、忽略index 

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。

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、增加區(qū)分組鍵 

前面提到的keys參數(shù)可以用來給合并后的表增加key來區(qū)分不同的表數(shù)據(jù)來源

1、可以直接用key參數(shù)實現(xiàn)

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、傳入字典來增加分組鍵

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、加入新的行

1、列字段相同的加入

append方法可以將 series 和 字典就夠的數(shù)據(jù)作為dataframe的新一行插入。

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、列字段不同的加入

如果遇到兩張表的列字段本來就不一樣，但又想將兩個表合并，其中無效的值用nan來表示。那么可以使用ignore_index來實現(xiàn)。

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