Pandas中的轴向堆叠数据—concat()方法

      concat()函数可以沿着一条轴将多个对象堆叠，其使用方式类似数据表合并，语法格式如下：

      Pandas.concat(objs，axis=0，join=“outer”，join_axes=None，ignore_index=False，keys=None，levels=None，names=None，verify_itegrity=False，sort=None，copy=True)

上述函数中常用参数表示的含义如下：

1. axis：表示连接的轴向，可以为0或1，默认为0。      //axis=0，竖直方向合并；axis=1，水平方向合并
2. join：表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接。
         //内连接，得到索引的交集的数据；外连接，得到索引并集的数据
3. ignore_index：接受布尔值，默认为False。如果设置为True，则表示清除现有索引并重置索引值。
4. keys：接受序列，表示添加最外层索引。
5. levels：用于构建MultiIndex的特定级别（唯一值）。
6. names：在设置了keys和level 参数后，用于创建分层级别的名称。
7. verify_integerity：检查新的连接轴是否包含重复项。接受布尔值，当设置为True时，如果有重复的轴将会抛出错误，默认为False。

一、横向堆叠与外连接
      当使用concat()函数合并时，若是将axis参数的值设为1，且 join 参数的值设为outer，则说明使用横向堆叠与外连接的方式进行合并。

import pandas as pd      #数据合并,join默认为outer外连接(拿并集),inner内连接(拿交集)
df1=pd.DataFrame({'A':['A0','A0','A1']
                 ,'B':['B0','B0','B1']})
df2=pd.DataFrame({'C':['C0','C0','C1','C3']
                 ,'D':['D0','D2','D2','D3']})

pd.concat([df1,df2],join='outer',axis=1)

二、纵向堆叠与内连接
      当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner，则表明使用纵向堆叠与内连接的方式进行合并。

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2']
                 ,'B':['B0','B1','B2']
                 ,'C':['C0','C1','C2']})
df2=pd.DataFrame({'B':['B3','B4','B5']
                 ,'C':['C3','C4','C5']
                 ,'D':['D3','D4','D5']})

df1

df2

pd.concat([df1,df2],join='inner',axis=0)   #纵向堆叠与内连接

ignore_index参数的用法：

df1

df2

pd.concat([df1,df2],ignore_index=True)    #清除现有的索引并重新分配索引值

---

作者：KJ.JK
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。
文章对你有所帮助的话，欢迎给个赞或者 star 呀，你的支持是对作者最大的鼓励，不足之处可以在评论区多多指正，交流学习呀。