pandas的concat

pandas的concat()函数用于连接（合并）pandas对象，如Series、DataFrame或Panel，沿指定的轴进行连接。

语法：
pandas.concat(objs, axis=0, join=‘outer’, ignore_index=False, keys=None)

参数说明：

• objs: 要连接的pandas对象的序列或映射。通常为Series或DataFrame对象。
• axis: 指定连接的轴，0表示按行连接，1表示按列连接。
• join: 指定连接的方式，默认为’outer’表示取并集。可选值为’inner’表示取交集。
• ignore_index: 是否忽略原始对象的索引。默认为False，表示保留原始索引。
• keys: 用于构建层次化索引的键值，可以是任意值。

pandas库提供了concat()函数用于将多个数据集按照指定的轴方向进行拼接，可以有以下几种常见的用法：

1. 按行拼接：将多个数据集按照行的方向进行拼接，即把多个数据集竖向拼接在一起。示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})

result = pd.concat([df1, df2])
print(result)

2. 按列拼接：将多个数据集按照列的方向进行拼接，即把多个数据集横向拼接在一起。示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

result = pd.concat([df1, df2], axis=1)
print(result)

3. 指定索引：通过ignore_index参数可以重新生成新的索引，示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})

result = pd.concat([df1, df2], ignore_index=True)
print(result)

4. 指定连接方式：通过join参数可以指定拼接的方式，可选的取值包括'inner'、'outer'。默认为'outer'表示并集，'inner'表示交集。示例代码如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [2, 3, 4], 'B': [5, 6, 7]})

result = pd.concat([df1, df2], join='inner')
print(result)

以上是常见的几种concat()函数的用法，根据具体的数据拼接需求，可以灵活选择合适的参数来处理数据。