1
2
3
concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37







pd
.concat(objs, axis
=
0,
join
=
'outer', join_axes
=
None, ignore_index
=
False,







keys
=
None, levels
=
None, names
=
None, verify_integrity
=
False)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37







# 现将表构成list，然后在作为concat的输入







In [
4]: frames = [
df1, df2, df3]














In [
5]: result = pd.concat(frames)

1
2
In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

1
2
In [9]: result = pd.concat([df1, df4], axis=1)

1
2
In [10]: result = pd.concat([df1, df4], axis=1, join='inner')

1
2
In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

1
2
3
append是series和dataframe的方法，使用它就是默认沿着列进行凭借（axis = 0，列对齐）

1
2
In [12]: result = df1.append(df2)

1
2
In [27]: result = pd.concat(frames, keys=['x', 'y', 'z'])

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32







In [
28]: pieces = {
'x': df1,
'y': df2,
'z': df3}














In [
29]: result = pd
.concat(pieces)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39







In [
34]: s2 = pd.Series([
'X0',
'X1',
'X2',
'X3'],
index=[
'A',
'B',
'C',
'D'])














In [
35]:
result = df1.append(s2, ignore_index=
True)

1
2
3
如果遇到两张表的列字段本来就不一样，但又想将两个表合并，其中无效的值用nan来表示。那么可以使用ignore_index来实现。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62







In [
36]: dicts = [{
'A':
1,
'B':
2,
'C':
3,
'X':
4},







....:
{
'A':
5,
'B':
6,
'C':
7,
'Y':
8}]







....:














In [
37]: result = df1.append(dicts, ignore_index=
True)