Pandas之数组合并

1. pd.concat()

pd.concat(
    objs,
    axis=0, #{0/'index', 1/'columns'}, default 0
    join='outer', #合并集合方式，默认并集{'inner', 'outer'}, default 'outer'
    join_axes=None, # 直接确定结果使用的列名 
    ignore_index=False, #是否保留原索引，为True时不保留
    keys=None, # 设置多级索引
    levels=None,
    names=None,
    verify_integrity=False, # 为True时，合并时若有索引重复就会触发异常
    sort=None,
    copy=True,
)

• 关于join和join_index参数的示例代码

# df2 和 df3
# 
#    A   B   C
#1  A1  B1  C1
#2  A2  B2  C2
#
#    B   C   D
#3  B3  C3  D3
#4  B4  C4  D4
print(pd.concat([df2,df3]) # 默认join是outer
print(pd.concat([df2,df3],join='inner')) # 设置为交集
#     A   B   C    D
#1   A1  B1  C1  NaN
#2   A2  B2  C2  NaN
#3  NaN  B3  C3   D3
#4  NaN  B4  C4   D4
#
#    B   C
#1  B1  C1
#2  B2  C2
#3  B3  C3
#4  B4  C4
pd.concat([df2,df3],join_axes=[df2.columns])
#     A   B   C
#1   A1  B1  C1
#2   A2  B2  C2
#3  NaN  B3  C3
#4  NaN  B4  C4

2. pd.merge()

pd.merge(
    left, #DataFrame
    right, #DataFrame or named Series
    how='inner', #{'left','right','outer','inner'},默认'inner'
    on=None, #label or list
    left_on=None, #label or list, or array-like
    right_on=None, #label or list, or array-like
    left_index=False, #bool, default False
    right_index=False, #bool, default False
    sort=False,
    suffixes=('_x', '_y'), #为重复列设置别名，增加后缀
    copy=True,
    indicator=False,
    validate=None,
)

• 参数on只能在两个DataFrame有共同列名时才可以使用
• left_on和right_on在列名不同时使用
• left_index和right_index用于将索引设置为合并键

3. df.join()

df.join(other, 
         on=None, 
         how='left', #{'left', 'right', 'outer', 'inner'}, default 'left'
         lsuffix='', #str, default ''
         rsuffix='', #str, default ''
         sort=False
        )

4. df.append()

df1.append(df2)
# 效果同
pd.concat([df1,df2])

注意，append()会重新创建索引和数据缓存。