一、concat

concat函數是在pandas底下的方法，可以將數據根據不同的軸作簡單的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

axis： 需要合并鏈接的軸，0是行，1是列join：連接的方式 inner，或者outer

二、相同字段的表首尾相接

#現將表構成list，然后在作為concat的輸入
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

要在相接的時候在加上一個層次的key來識別數據源自于哪張表，可以增加key參數

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

也可以通過傳入字典來增加分組鍵

pieces = {'x': df1, 'y': df2, 'z': df3}

result = pd.concat(pieces)

三、axis

當axis = 1的時候，concat就是行對齊，然后將不同列名稱的兩張表合并，是以索引號進行連接的

result = pd.concat([df1, df4], axis=1)

3.1 join

加上join參數的屬性，如果為'inner'得到的是兩表的交集，如果是outer，得到的是兩表的并集。

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

3.2 join_axes

如果有join_axes的參數傳入，可以指定根據那個軸來對齊數據
例如根據df1表對齊數據，就會保留指定的df1表的軸，然后將df4的表與之拼接

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

四、append

append是series和dataframe的方法，使用它就是默認沿著列進行憑借（axis = 0，列對齊）

result = df1.append(df2)

五、無視index的concat

如果兩個表的index都沒有實際含義，使用ignore_index參數，置true，合并的兩個表就睡根據列字段對齊，然后合并。最后再重新整理一個新的index。

到此這篇關于Python基礎之pandas數據合并的文章就介紹到這了,更多相關Python pandas數據合并內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！