concat函数_pandas数据合并之一文弄懂pd.concat（）

在工作中经常会遇到多个表进行拼接合并的需求，在pandas中有多个拼接合并的方法，每种方法都有自己擅长的拼接方式，这篇文章只对pd.concat()进行详细讲解，希望能帮助有需要的朋友一次彻底弄清楚它的用法。

pd.concat()函数简介

pd.concat()函数可以沿着指定的轴将多个dataframe或者series拼接到一起，这一点和另一个常用的pd.merge()函数不同，pd.merge()函数只能实现两个表的拼接。文章的主题是pd.concat()函数，接下来认识一下这个函数吧：

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

以上是有关pd.concat()函数的所有参数，接下来通过例子对常用参数进行讲解。

参数objs和 ignore_index

假设有两张来自两个分公司的表格，一般这种情况下两个表的格式是相同的，但是记录不一样，也就是列名一样行索引不一样，这种情况是pd.concat()很擅长的。

这两个表进行拼接，直接把两个表的名字丢给pd.concat()函数，这里需要注意的一点，函数有且仅有一个参数objs接收需要拼接的表格，所以需要把表名打包到一起作为一个参数传递给函数

拼接后能够看到索引有点奇怪，因为拼接后的表格保留了两个原表的索引，所以索引不连续且有重复，这种时候就需要另一个参数ignore_index出马了，这个参数的意思是在询问要不要忽视掉原表格的索引，默认是保留原表索引，只要设置成Ture，告诉函数忽视原表索引就可以了，来看下效果：

和上一个拼接结果相比是不是顺眼很多了？其实对索引的控制除了ignore_index参数，还有另一个参数，与ignore_index参数相比，出场次数不是很多，就是verify_integrity参数。

参数verify_integrity

这个参数是对重复索引的限制，默认是不限制的，如果设置verify_integrity=True，如果拼接的多个表中有相同的索引，会报错。

来个例子看下，设置用来拼接的两个表有重复索引：

verify_integrity默认为False，不限制是否有重复索引：

其实这样是有隐患的，因为出现重复索引标签，会对选取数据带来不方便，除了ignore_index忽视掉原索引，这个参数也可以避免这种情况：

设置verify_integrity=True，两个表中出现重复索引，拼接不成功并报错。

参数axis

假设有两个来自不同部门的表格，一个来自销售部门，一个来自人力部门，这两个表一般会有一两个相同的列，大多数列名不同，但是行索引相同，因为是对同一批人不同信息的统计。

来看个例子：

来自销售部门的表df_s

来自人力部门的表df_h

通过上边的例子，能够看出在函数pd.concat()中的默认拼接方式是上下堆叠，而销售和人力的表格很明显需要左右拼接，这时候就需要参数axis出场了：

keys和names

当表格拼接完成后，就不能判断到底哪些数据是来自于哪一个表了，如果需要保留来源信息，就可以通过keys参数进行设置，而names参数可以给拼接后形成的数据结构添加名字。

来，看代码：

这是上下拼接情况下标记每条记录来自于哪个表，添加名字说明

这是左右拼接情况下标记每条记录来自于哪个表，添加名字说明

参数join和join_axes

前边的代码中对这两个参数都没有进行设置，其中join参数控制的是外连接还是内连接，默认外连接，保留两个表中的所有信息；如果设置成内连接，拼接结果只保留两个表共有的信息，而join_axes参数是在内连接时选择要完整保留哪个表的索引，但是这个参数在官方文档中提醒即将被弃用，所以不做详细讲解，只看一下join参数的表现吧：

这两个表有部分相同的列名和部分相同的行索引，来对这两个表进行两个方向的拼接，设置join=“inner”后查看下效果：

上下拼接的时候，保留了共有的列信息！

左右拼接的时候保留了共有的行信息！

参数sort：

布尔值，默认值无

• 当“ join”为“ outer”时，如果有未对齐的轴，则对轴信息进行排序。 当前默认的排序默认值已弃用，在以后的pandas版本中将更改为不排序。
  显式传递``sort = True''使警告和排序保持沉默。
  显式传递``sort = False''以使警告静音而不进行排序。
• 当“join ='inner'”已经保留了非串联轴的顺序时，这个命令无效。

如下图，默认上下拼接，不进行sort参数设置会跳出警告，并且能看到列名已经被重新排序了：

设置sort=True，使警告沉默但是依然会被重新排序：

设置sort = False，使警告沉默并且不会被重新排序：

其他参数

levels：序列列表，默认值无。用于构建MultiIndex的特定级别（唯一值）。否则，它们将从键推断。

copy：bool，默认为True，如果为False，则不要不必要地复制数据。

这两个参数不是很常用，这里不多做介绍了。通过这篇文章有没有对pd.concat（）函数有更深的认识？