Pandas —— concat( )连接

concat( )连接类似于merge()合并，但它不需要指定连接键，只是做一个简单的拼接。

concat( )连接

默认情况下

concat是在axis=0上工作的，最终产生一个新的Series

In [29]: s1=pd.Series([0,1],index=['a','b'])
In [34]: s2=pd.Series([2,3,4],index=['a','b','c'])

In [35]: s1
Out[35]:
a    0
b    1
dtype: int64

In [36]: s2
Out[36]:
a    2
b    3
c    4
dtype: int64

In [37]: pd.concat([s1,s2])
Out[37]:
a    0
b    1
a    2
b    3
c    4
dtype: int64

axis参数

如果传入axis=1，就会产生一个DataFrame

In [38]: pd.concat([s1,s2],axis=1)
Out[38]:
     0  1
a  0.0  2
b  1.0  3
c  NaN  4

join参数

传入join=“inner”即可得到它们的交集

In [39]: pd.concat([s1,s2],axis=1,join="inner")
Out[39]:
   0  1
a  0  2
b  1  3

join_axes参数

指定索引，若不存在与索引对应的字段，则以NaN显示

In [40]: pd.concat([s1,s2],axis=1,join_axes=[['a','c','d','e']])
Out[40]:
     0    1
a  0.0  2.0
c  NaN  4.0
d  NaN  NaN
e  NaN  NaN

keys参数

创建层次化索引

In [42]: pd.concat([s1,s2],keys=['one','two'])
Out[42]:
one  a    0
     b    1
two  a    2
     b    3
     c    4
dtype: int64

如果沿着axis=1对Series进行合并，则keys会成为DataFrame的列头

In [43]: pd.concat([s1,s2],keys=['one','two'],axis=1)
Out[43]:
   one  two
a  0.0    2
b  1.0    3
c  NaN    4

如果传入的是一个字典而不是列表，则字典的键就会被当成是keys选项的值

In [44]: pd.concat({'A':s1,'B':s2},axis=1)
Out[44]:
     A  B
a  0.0  2
b  1.0  3
c  NaN  4

ignore_index参数

忽略跟当前工作无关的行索引，产生一组新索引

In [51]: pd.concat([s1,s2])
Out[51]:
a    0
b    1
a    2
b    3
c    4
dtype: int64

In [52]: pd.concat([s1,s2],ignore_index=True)
Out[52]:
0    0
1    1
2    2
3    3
4    4
dtype: int64

---

concat函数的参数

参数	说明
objs	参与连接的pandas对象的列表或字典。唯一必须的参数
axis	指明连接的轴向，默认为0
join	指明索引是按交集（inner）还是并集（outer）进行合并。默认为outer
join_axes	指明用于其他n-1条轴的索引，不执行并集，交集的操作
keys	与连接对象有关的值，用于形成连接轴上的层次化索引
ignore_index	不保留连接轴上的索引，产生一组新索引

转载地址：

《利用Python进行数据分析》