Funktionen pandas.concat() gör allt det tunga arbetet med att utföra sammanlänkningsoperationer tillsammans med en axel av Pandas invänder medan du utför valfri inställningslogik (union eller skärning) av indexen (om några) på de andra axlarna.
Pandas concat() funktion Syntax
Syntax: concat(objs, axis, join, ignore_index, keys, levels, names, verify_integrity, sort, copy)
Parametrar:
- obs: Serie- eller DataFrame-objekt
- axel: axel att sammanfoga längs; standard = 0
- Ansluta sig: sätt att hantera index på andra axlar; default = 'yttre'
- ignore_index: om sant, använd inte indexvärdena längs sammanlänkningsaxeln; default = Falskt
- nycklar: sekvens för att lägga till en identifierare till resultatindexen; default = Ingen
- nivåer: specifika nivåer (unika värden) att använda för att konstruera ett MultiIndex; default = Ingen
- namn: namn på nivåerna i det resulterande hierarkiska indexet; default = Ingen
- verify_integrity: kontrollera om den nya sammanlänkade axeln innehåller dubbletter; default = Falskt
- sortera: sortera icke-konkatenationsaxel om den inte redan är justerad när sammanfogningen är 'yttre'; default = Falskt
- kopiera: om falskt, kopiera inte data i onödan; default = Sant
Returnerar: typ av objekt (Series of DataFrame)
Sammanfoga med hjälp av pandor med exempel
Exempel 1: Sammanfoga dataramar i Python
I det här exemplet sammanfogar vi två serier med standardparametrar i Pandas .
Python3
# importing the module> import> pandas as pd> # creating the Series> series1>=> pd.Series([>1>,>2>,>3>])> display(>'series1:'>, series1)> series2>=> pd.Series([>'A'>,>'B'>,>'C'>])> display(>'series2:'>, series2)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([series1, series2]))> |
>
>
Produktion
Exempel 2: Pandas som kombinerar två dataramar horisontellt med index = 1
I det här exemplet skapar vi två Panda-serier (series1>ochseries2>), och sammanfogar dem sedan längs kolumnerna (axel=1) med hjälp avpd.concat()>. Den resulterande DataFrame innehåller båda serierna som kolumner, vilket skapar en ny DataFrame med två kolumner.
Python3
# importing the module> import> pandas as pd> # creating the Series> series1>=> pd.Series([>1>,>2>,>3>])> display(>'series1:'>, series1)> series2>=> pd.Series([>'A'>,>'B'>,>'C'>])> display(>'series2:'>, series2)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([series1, series2],> >axis>=> 1>))> |
>
>
Produktion
Exempel 3: Sammanfoga 2 dataramar och tilldela nycklar
skapar två dataramar (df1>ochdf2>), och sammanfogar dem tillsammans med nycklar som tilldelats varje DataFrame som använderpd.concat()>. Den resulterande DataFrame har ett hierarkiskt index med nycklar 'key1' och 'key2', som särskiljer ursprunget för varje uppsättning data.
Python3
# importing the module> import> pandas as pd> # creating the DataFrames> df1>=> pd.DataFrame({>'A'>: [>'A0'>,>'A1'>,>'A2'>,>'A3'>],> >'B'>: [>'B0'>,>'B1'>,>'B2'>,>'B3'>]})> display(>'df1:'>, df1)> df2>=> pd.DataFrame({>'A'>: [>'A4'>,>'A5'>,>'A6'>,>'A7'>],> >'B'>: [>'B4'>,>'B5'>,>'B6'>,>'B7'>]})> display(>'df2:'>, df2)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([df1, df2],> >keys>=>[>'key1'>,>'key2'>]))> |
>
>
Produktion
Exempel 4: Sammanfoga dataramar horisontellt i pandor med axel = 1
skapar två dataramar (df1>ochdf2>), och sammanfogar dem längs kolumnerna (axel=1) med hjälp avpd.concat()>. Den resulterande DataFrame kombinerar kolumner från bådadf1>ochdf2>, justera dem sida vid sida .
Python3
# importing the module> import> pandas as pd> # creating the DataFrames> df1>=> pd.DataFrame({>'A'>: [>'A0'>,>'A1'>,>'A2'>,>'A3'>],> >'B'>: [>'B0'>,>'B1'>,>'B2'>,>'B3'>]})> display(>'df1:'>, df1)> df2>=> pd.DataFrame({>'C'>: [>'C0'>,>'C1'>,>'C2'>,>'C3'>],> >'D'>: [>'D0'>,>'D1'>,>'D2'>,>'D3'>]})> display(>'df2:'>, df2)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([df1, df2],> >axis>=> 1>))> |
>
>
Produktion
Exempel 5: Sammanfoga 2 DataFrames med ignore_index = True
skapar två dataramar (df1>ochdf2>) med identiska kolumner, och sammanfogar dem vertikalt med hjälp avpd.concat()>medignore_index=True>. Den resulterande DataFrame har ett kontinuerligt index som ignorerar de ursprungliga indexen fördf1>ochdf2>.
Python3
powershell kommentar multiline
# importing the module> import> pandas as pd> # creating the DataFrames> df1>=> pd.DataFrame({>'A'>: [>'A0'>,>'A1'>,>'A2'>,>'A3'>],> >'B'>: [>'B0'>,>'B1'>,>'B2'>,>'B3'>]})> display(>'df1:'>, df1)> df2>=> pd.DataFrame({>'A'>: [>'A4'>,>'A5'>,>'A6'>,>'A7'>],> >'B'>: [>'B4'>,>'B5'>,>'B6'>,>'B7'>]})> display(>'df2:'>, df2)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([df1, df2],> >ignore_index>=> True>))> |
>
>
Produktion
Exempel 6: Sammanfoga en DataFrame med en serie
skapar en DataFrame (df>) och en serie (series>), sammanfogar dem sedan längs kolumnerna (axel=1) med hjälp avpd.concat()>. Den resulterande DataFrame kombinerar kolumnerna fråndf>och serien, placera dem sida vid sida. Obs: Det finns ett stavfel i displaysatsen (df1>istället fördf>).
Python3
# importing the module> import> pandas as pd> # creating the DataFrame> df>=> pd.DataFrame({>'A'>: [>'A0'>,>'A1'>,>'A2'>,>'A3'>],> >'B'>: [>'B0'>,>'B1'>,>'B2'>,>'B3'>]})> display(>'df:'>, df1)> # creating the Series> series>=> pd.Series([>1>,>2>,>3>,>4>])> display(>'series:'>, series)> # concatenating> display(>'After concatenating:'>)> display(pd.concat([df, series],> >axis>=> 1>))> |
>
>
Produktion