Pandas能够通过不同种类的索引和关系代数函数的集合逻辑来组合Series,DataFrame和Panel对象。
concat()函数执行串联操作。
pd.concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False)
当无涯教程沿轴(axis = 0)连接所有Series时,将返回一个Series。如果 objs 包含至少一个DataFrame,它将返回一个DataFrame。
范例1:
import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data])
输出
0 p 1 q 0 r 1 s dtype: object
范例2 :在上面的示例中,可以使用 ignore_index 参数重置现有索引。以下代码演示了 ignore_index 的工作方式。
import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], ignore_index=True)
输出
0 p 1 q 2 r 3 s dtype: object
范例3:无涯教程可以使用 keys 参数在数据的最外层添加层次结构索引。
import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], keys=['a_data', 'b_data'])
输出
a_data 0 p 1 q b_data 0 r 1 s dtype: object
范例4:可以使用 names 参数标记索引键。
import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], keys=['a_data', 'b_data']) pd.concat([a_data, b_data], keys=['a_data', 'b_data'], names=['Series name', 'Row ID'])
输出
Series name Row ID a_data 0 p 1 q b_data 0 r 1 s dtype: object
append方法被定义为连接Series和DataFrame的有用快捷方式。
import pandas as pd one = pd.DataFrame({ 'Name': ['Parker', 'Learnfk', 'Allen', 'John', 'Parker'], 'subject_id':['sub1','sub2','sub4','sub6','sub5'], 'Marks_scored':[98,90,87,69,78]}, index=[1,2,3,4,5]) two = pd.DataFrame({ 'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'], 'subject_id':['sub2','sub4','sub3','sub6','sub5'], 'Marks_scored':[89,80,79,97,88]}, index=[1,2,3,4,5]) print (one.append(two))
输出
Name subject_id Marks_scored 1 Parker sub1 98 2 Learnfk sub2 90 3 Allen sub4 87 4 John sub6 69 5 Parker sub5 78 1 Billy sub2 89 2 Brian sub4 80 3 Bran sub3 79 4 Bryce sub6 97 5 Betty sub5 88
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)