Pandas数据合并之pd.concat()用法详解

在Pandas中，数据合并是常见操作之一。而pd.concat()方法提供了一种简单的合并方式。本文将详细介绍pd.concat()方法的用法。

pd.concat()方法

pd.concat()方法用于按行或列将多个数据框（DataFrame）连接在一起。它可以沿着指定的轴将多个数据框连接到一起，并根据指定的方式解决索引重叠的问题。pd.concat()方法的一般语法如下所示：

pd.concat(objs, axis=0, join='outer', ignore_index=False)

其中各参数的含义如下：

• objs: 要连接的多个数据框，可以使用列表、元组或数据框构成的字典。
• axis：指定要连接的轴，取值为0或1，默认为0。
• join：指定连接方式，取值为’outer’或’inner’，默认为’outer’。当取值为’outer’时，连接结果中将包含所有索引；当取值为’inner’时，连接结果中只包括交集部分的索引。
• ignore_index：当取值为True时，重新生成行索引，从0开始编号；当取值为False时，使用源数据框的行索引。

pd.concat()方法示例

下面通过几个简单的示例来详细说明pd.concat()方法的用法。

1. 按行连接数据框

假设我们有两个数据框df1和df2，它们的列数相同，但行数不同，如下所示：

df1：

df2：

现在我们需要将它们按行连接在一起，代码如下：

import pandas as pd

df1 = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Carol'],
    'score': [90, 80, 70],
    'gender': ['F', 'M', 'F']
})

df2 = pd.DataFrame({
    'name': ['Dave', 'Eddie'],
    'score': [60, 50],
    'gender': ['M', 'M']
})

result = pd.concat([df1, df2], axis=0, ignore_index=True)

print(result)

输出结果如下：

    name  score gender
0  Alice     90      F
1    Bob     80      M
2  Carol     70      F
3   Dave     60      M
4  Eddie     50      M

2. 沿列连接数据框

假设我们有两个数据框df1和df2，它们的行数相同，但列数不同，如下所示：

df1：

df2：

现在我们需要将它们按列连接在一起，代码如下：

import pandas as pd

df1 = pd.DataFrame({
    'name': ['Alice', 'Bob'],
    'score': [90, 80]
})

df2 = pd.DataFrame({
    'gender': ['F', 'M']
})

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

print(result)

输出结果如下：

    name  score gender
0  Alice     90      F
1    Bob     80      M

3. 按索引连接数据框

假设我们有两个数据框df1和df2，它们的行索引重叠，如下所示：

df1：

df2：

现在我们需要将它们按索引连接在一起，代码如下：

import pandas as pd

df1 = pd.DataFrame({
    'name': ['Alice', 'Bob'],
    'score': [90, 80]
})

df2 = pd.DataFrame({
    'name': ['Carol', 'Dave'],
    'score': [70, 60]
}, index=[1, 2])

result = pd.concat([df1, df2], axis=0, join='inner')

print(result)

输出结果如下：

    name  score
0  Alice     90
1    Bob     80
1  Carol     70
2   Dave     60

总结

本文详细介绍了pd.concat()方法的用法，以及如何使用它将多个数据框连接在一起。当遇到行数或列数不同、索引重叠等情况时，pd.concat()方法可以帮助我们很好地处理数据框。