欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pandas的連接函數(shù)concat()函數(shù)的具體使用方法

 更新時間：2019年07月09日 09:52:39   作者：zzpdbk  
這篇文章主要介紹了pandas的連接函數(shù)concat()函數(shù)的具體使用方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

concat()函數(shù)的具體用法

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

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)，除非它被傳遞，在這種情況下，將選擇值（見下文）。任何無對象將被靜默刪除，除非它們都是無，在這種情況下將引發(fā)一個ValueError。
  • axis：{0,1，...}，默認(rèn)為0。沿著連接的軸。
  • join：{'inner'，'outer'}，默認(rèn)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(jié)果軸將被標(biāo)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。
  • join_axes：Index對象列表。用于其他n-1軸的特定索引，而不是執(zhí)行內(nèi)部/外部設(shè)置邏輯。
  • keys：序列，默認(rèn)值無。使用傳遞的鍵作為最外層構(gòu)建層次索引。如果為多索引，應(yīng)該使用元組。
  • levels：序列列表，默認(rèn)值無。用于構(gòu)建MultiIndex的特定級別（唯一值）。否則，它們將從鍵推斷。
  • names：list，default無。結(jié)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(fù)項。這相對于實(shí)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(fù)制數(shù)據(jù)。
In [1]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
  ...:           'B': ['B0', 'B1', 'B2', 'B3'],
  ...:           'C': ['C0', 'C1', 'C2', 'C3'],
  ...:           'D': ['D0', 'D1', 'D2', 'D3']},
  ...:           index=[0, 1, 2, 3])
  ...: 
 
In [2]: df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
  ...:           'B': ['B4', 'B5', 'B6', 'B7'],
  ...:           'C': ['C4', 'C5', 'C6', 'C7'],
  ...:           'D': ['D4', 'D5', 'D6', 'D7']},
  ...:           index=[4, 5, 6, 7])
  ...: 
 
In [3]: df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
  ...:           'B': ['B8', 'B9', 'B10', 'B11'],
  ...:           'C': ['C8', 'C9', 'C10', 'C11'],
  ...:           'D': ['D8', 'D9', 'D10', 'D11']},
  ...:           index=[8, 9, 10, 11])
  ...: 
 
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

KEY參數(shù)

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


JOIN參數(shù)

默認(rèn)join = 'outer',為取并集的關(guān)系

In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
  ...:         'D': ['D2', 'D3', 'D6', 'D7'],
  ...:         'F': ['F2', 'F3', 'F6', 'F7']},
  ...:         index=[2, 3, 6, 7])
  ...: 
 
In [9]: result = pd.concat([df1, df4], axis=1)

結(jié)果：

當(dāng)設(shè)置join = 'inner'，則說明為取交集

In [10]: result = pd.concat([df1, df4], axis=1, join='inner')

結(jié)果：


如果索引想從原始DataFrame重用確切索引：

In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index]) #設(shè)置索引為df1的索引


pandas文檔：http://pandas.pydata.org/pandas-docs/stable/

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

相關(guān)文章

最新評論