横向和纵向的区别

生活中我们看到的左右方向理解为横向,上下方向就是纵向。

工程上如果没有特殊约定的话,则较长的的方向称为纵向,较短的方向为横向,这个说法也可以这么理解来和生活上的说法统一,将较长边立起来,则较长边即上下方向(纵向)。

因为人们习惯性的理解观察物前进后退方向为直观的上下(螃蟹的身前身后方向),所以螃蟹左右爬行就被理解为螃蟹横着走。

市场上的板材大部分是标准尺寸的,较长的一边(长)称为纵向,而较短的一边(宽)称为横向。

横向比较是指在同类事物或同一历史时期进行的比较,而纵向多指从历史的角度比较。

比如说,你把中国现在跟30年前比较,那是纵向的,跟当前西方国家比较,就是横向的。一个是历史视角,一个是国际视野。

想到一种理解历史为何为纵向比较的有意思的说法:假设站在历史长河中,你觉得未来是向前?还是向后?我们从来不会说,是向左还是向右,都是历史是向前发展的。

那么,历史不同区间的比较,就可以理解为纵向比较了。

https://zhidao.baidu.com/question/181295964.html

转载于:https://www.cnblogs.com/zhouj-happy/p/10973297.html

`pd.concat()` 是 Pandas 库中用于合并多个 DataFrame 或 Series 对象的一个重要工具。它可以沿指定轴(行或列)方向进行数据拼接。以下是关于如何实现横向纵向拼接的具体介绍: --- ### 1. 纵向拼接 (默认操作) 当我们在垂直方向上堆叠多个 DataFrame 时,这是 `pd.concat()` 的默认行为 (`axis=0`)。 #### 示例代码: ```python import pandas as pd df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]}) # 默认按照行拼接(axis=0),即将 df2 添加到 df1 下方 result_vertical = pd.concat([df1, df2], axis=0) print("纵向拼接结果:") print(result_vertical) ``` #### 输出解释: 上述代码将把第二个 DataFrame 补充至第一个下方。注意索引会保留原样,若需生成新序列则添加参数 `ignore_index=True` 即可。 --- ### 2. 横向拼接 如果我们想在水平方向扩展数据,则需要设定 `axis=1` 参数值。 #### 示例代码: ```python df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'C': [9, 10], 'D': [11, 12]}) # 按照列拼接(axis=1),即在右侧附加 df2 到 df1 上面去形成更宽的数据表结构 result_horizontal = pd.concat([df1, df2], axis=1) print("\n横向拼接结果:") print(result_horizontal) ``` #### 输出说明: 此示例展示了如何将另一个含有不同键的新 DataFrames 加入当前表格旁边创建出更广维度的一张大表单形式呈现出来。 --- 此外,在实际应用当中可能会遇到一些特殊情况比如有共同关键字或者其他业务逻辑要求下的定制化组合情况等;同时也要考虑内存消耗等问题因为随着规模增大计算复杂度也会相应增加。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值