免費(fèi)AI編程助手
Pandas 連接操作
2022-07-15 09:14 更新
Pandas 通過 concat() 函數(shù)能夠輕松地將 Series 與 DataFrame 對(duì)象組合在一起，函數(shù)的語法格式如下：
pd.concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False)參數(shù)說明如下所示：
| 參數(shù)名稱 | 說明 |
|---|---|
| objs | 一個(gè)序列或者是Series、DataFrame對(duì)象。 |
| axis | 表示在哪個(gè)軸方向上（行或者列）進(jìn)行連接操作，默認(rèn) axis=0 表示行方向。 |
| join | 指定連接方式，取值為{"inner","outer"}，默認(rèn)為 outer 表示取并集，inner代表取交集。 |
| ignore_index | 布爾值參數(shù)，默認(rèn)為 False，如果為 True，表示不在連接的軸上使用索引。 |
| join_axes | 表示索引對(duì)象的列表。 |
concat()
concat() 函數(shù)用于沿某個(gè)特定的軸執(zhí)行連接操作。下面讓我們創(chuàng)建不同的對(duì)象，并對(duì)其進(jìn)行連接。
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']},
#連接a與b
print(pd.concat([a,b]))輸出結(jié)果：
A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 4 A4 B4 C4 D4 5 A5 B5 C5 D5 6 A6 B6 C6 D6 7 A7 B7 C7 D7
如果想把指定的鍵與 DataFrame 對(duì)象連接，您可以使用 keys 參數(shù)來實(shí)現(xiàn)。如下所示：
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D1', 'D2', 'D5', 'D6']},
index=[2,3,4,5])
#連接a與b,并給a，b連接一個(gè)指定的鍵
print(pd.concat([a,b],keys=['x','y']))輸出結(jié)果：
A B C D x 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 y 2 A4 B4 C4 D1 3 A5 B5 C5 D2 4 A6 B6 C6 D5 5 A7 B7 C7 D6
上述示中，可以看出行索引 index 存在重復(fù)使用的現(xiàn)象，如果想讓輸出的行索引遵循依次遞增的規(guī)則，那么需要將 ignore_index 設(shè)置為 True。
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D1', 'D2', 'D5', 'D6']},
index=[2,3,4,5])
#連接a與b,設(shè)置 ignore_index 等于 True
print(pd.concat([a,b],keys=['x','y'],ignore_index=True))
輸出結(jié)果：
A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 4 A4 B4 C4 D1 5 A5 B5 C5 D2 6 A6 B6 C6 D5 7 A7 B7 C7 D6
注意：此時(shí)的索引順序被改變了，而且鍵 keys 指定的鍵也被覆蓋了。
如果您想要沿著 axis=1 添加兩個(gè)對(duì)象，那么將會(huì)追加新的列。
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D1', 'D2', 'D5', 'D6']},
index=[4,5,6,7])
#沿著 axis=1，連接a與b
print(pd.concat([a,b],axis=1))輸出結(jié)果：
A B C D A B C D 0 A0 B0 C0 D0 NaN NaN NaN NaN 1 A1 B1 C1 D1 NaN NaN NaN NaN 2 A2 B2 C2 D2 NaN NaN NaN NaN 3 A3 B3 C3 D3 NaN NaN NaN NaN 4 NaN NaN NaN NaN A4 B4 C4 D1 5 NaN NaN NaN NaN A5 B5 C5 D2 6 NaN NaN NaN NaN A6 B6 C6 D5 7 NaN NaN NaN NaN A7 B7 C7 D6
append()
如果要連接 Series 和 DataFrame 對(duì)象，有一個(gè)最方便、快捷的方法，那就是 append() 方法。該方法沿著 axis=0 （行方向）進(jìn)行操作。
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D1', 'D2', 'D5', 'D6']},
index=[4,5,6,7])
#沿著 axis=0，使用 apppend()方法連接a與b
print(a.append(b))輸出結(jié)果：
A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 4 A4 B4 C4 D1 5 A5 B5 C5 D2 6 A6 B6 C6 D5 7 A7 B7 C7 D6
當(dāng)然 append() 函數(shù)也可接收多個(gè)對(duì)象，示例如下：
import pandas as pd
a= 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])
b= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D1', 'D2', 'D5', 'D6']},
index=[4,5,6,7])
c= pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B8', 'B9', 'B10', 'B7'],
'C': ['C9', 'C8', 'C7', 'C6'],
'D': ['D8', 'D5', 'D7', 'D6']},
index=[8,9,10,11])
print(a.append(b,c,a))輸出結(jié)果：
A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3 4 A4 B4 C4 D1 5 A5 B5 C5 D2 6 A6 B6 C6 D5 7 A7 B7 C7 D6 8 A4 B8 C9 D8 9 A5 B9 C8 D5 10 A6 B10 C7 D7 11 A7 B7 C6 D6 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3
以上內(nèi)容是否對(duì)您有幫助：
更多建議：