concat 与其说是连接，更准确的说是拼接。就是把两个表直接合在一起。于是有一个突出的问题，是横向拼接还是纵向拼接，所以concat 函数的关键参数是axis 。
函数的具体参数是：
复制代码
1concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verigy_integrity=False)
objs 是需要拼接的对象集合，一般为列表或者字典
axis=0 是按照行拼接，拼接之后行数增加，列数也根据join来定，join=’outer’时，列数是两表并集。同理join=’inner’,列数是两表交集。
在默认情况下为纵向拼接，即axis=0，此时有
复制代码
1concat([df1,df2]) 等价于 df1.append(df2)
在axis=1 时为横向拼接 ，此时有
复制代码
1concat([df1,df2],axis=1) 等价于 merge(df1,df2,left_index=True,right_index=True,how='outer')
以上转自： https://blog.csdn.net/qq_30718387/article/details/72152461
应用举例：
复制代码
1
2
3
4
5df=pandas.DataFrame() df2=pandas.DataFrame() df['id']=[1,2,3,4]
df['name']=['zhang','chen','lee','wang'] df2['id']=[2,3,4,5]
df2['place']=['Shenzhen','Hongkong','NewYork','London']
df3=pandas.DataFrame({'id':[]})
用法1：把来自两个不同DataFrame的列，纵向拼接到一起，赋值给另一个DataFrame的列。
复制代码
1df3['id']=pandas.concat([df['id'],df2['id']],axis=0,ignore_index=True)
执行后，
复制代码
1df3['id']=[1,2,3,4,5,2,3,4,5]
用法2：两个DataFrame进行纵向拼接：
复制代码
1df4=pandas.concat([df,df2],axis=0,ignore_index=True)
执行后，df4=
| index | id | name | place |
| 0 | 1 | zhang | NaN |
| 1 | 2 | chen | NaN |
| 2 | 3 | lee | NaN |
| 3 | 4 | wang | NaN |
| 4 | 2 | NaN | Shenzhen |
| 5 | 3 | NaN | HongKong |
| 6 | 4 | NaN | NewYork |
| 7 | 5 | NaN | London |
用法3：两个DataFrame进行横向拼接：
复制代码
1df4=pandas.concat([df,df2],axis=1,ignore_index=True)
执行后，df4=
| index | 0 | 1 | 2 | 3 |
| 0 | 1 | zhang | 2 | Shenzhen |
| 1 | 2 | chen | 3 | HongKong |
| 2 | 3 | lee | 4 | NewYork |
| 3 | 4 | wang | 5 | London |
多个拼接还可以使用生成器：
复制代码
1
2
3dfs=[df1,df2,df3,df4,df5] df6=pandas.DataFrame() df6['id']=pd.concat([df['id'] for df in dfs])
转载于:https://www.cnblogs.com/aaronhoo/p/9323450.html
最后
以上就是漂亮砖头最近收集整理的关于pandas DataFrame 的横向纵向拼接组合的全部内容，更多相关pandas内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复