pd.concat

参数

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

objs

需要连接的对象eg [df1, df2]

axis

axis = 0, 表示在水平方向(row)进行连接 axis = 1, 表示在垂直方向(column)进行连接

join outer

表示index全部需要; inner,表示只取index重合的部分

join_axes

传入需要保留的index

ignore_index

忽略需要连接的frame本身的index。当原本的index没有特别意义的时候可以使用

keys

可以给每个需要连接的df一个label

import pandas as pd

""" 1、pd.concat：将多个 pandas 对象，按行索引或列索引进行连接 """
f = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))

f

	A	B
0	1	2
1	3	4

f1 = pd.concat([f, pd.DataFrame({"A": 20, "B": 40}, index=[0])])

f1

	A	B
0	1	2
1	3	4
0	20	40

pd.concat([f1, pd.DataFrame([9], index=[0], columns=["A"])])

	A	B
0	1	2.0
1	3	4.0
0	20	40.0
0	9	NaN

"""
注意：如果连接的 pandas 对象中，有任意一个对象 用于连接的索引中存在重复值，将会报错。
	  除非是自己与自己连接
"""
pd.concat([f1, f1], axis=1)

	A	B	A	B
0	1	2	1	2
1	3	4	3	4
0	20	40	20	40

pd.concat([f1.reset_index(drop=True), pd.DataFrame([[9], [90]], index=[0, 1])], axis=1)

	A	B	0
0	1	2	9.0
1	3	4	90.0
2	20	40	NaN

f1

	A	B
0	1	2
1	3	4
0	20	40

# 下面两种情况都会报错 ValueError: Shape of passed values is 。。。
# 因为 其中某一个对象用于连接的索引存在重复值
pd.concat([f1, pd.DataFrame([[9], [90]], index=[0, 1])], axis=1)  # ValueError: Shape of passed values is (5, 3), indices imply (3, 3)；f1的索引重复
pd.concat([f1.reset_index(drop=True), pd.DataFrame([[9], [90]], index=[0, 0])], axis=1)  # ValueError: Shape of passed values is (6, 3), indices imply (4, 3)；第二个对象的索引重复

""" 2、对 ignore_index 的理解 """
f = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))

f

	A	B
0	1	2
1	3	4

# ignore_index=True：在按索引进行连接后，将结果对象的索引进行重置
pd.concat([f, pd.Series(20, index=[1])], axis=1)

	A	B	0
0	1	2	NaN
1	3	4	20.0

pd.concat([f, pd.Series(20, index=[1])], axis=1, ignore_index=True)

	0	1	2
0	1	2	NaN
1	3	4	20.0