pandas.concat方法怎么在Python3中使用 - 行业资讯 - 肥雀云

熊猫。concat方法怎么在Python3中使用?很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。

python可以做什么

python是一种编程语言,内置了许多有效的工具,python几乎无所不能,该语言通俗易懂,容易入门,功能强大,在许多领域中都有广泛的应用,例如最热门的大数据分析,人工智能,网页开发等。

熊猫。合并参数列表如下图,其中只有obj是必须得参数,另外常用参数包括obj,轴,加入,钥匙,ignore_index。

pandas.concat方法怎么在Python3中使用“> </p> <p> 1。<代码> pd.concat ([df1, df2 df3])> </代码,默认轴=0,在0轴上合并。</p> <p> <img src= import pandas as pd 　　import numpy as np 　　, 　　#定义资料集　　df1 =, pd.DataFrame (np.ones((3, 4)) * 0,,列=[& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;]) 　　df2 =, pd.DataFrame (np.ones((3, 4)) * 1,列=[& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;]) 　　df3 =, pd.DataFrame (np.ones((3, 4)) * 2,列=[& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;]), 　　# concat纵向合并　　时间=res pd.concat ([df1, df2,, df3],,轴=0) 　　, 　　#打印结果　　打印(res) 　　& # 39;& # 39;& # 39; 　　,a b c d 　　0,0.0,0.0,0.0,0.0 　　1,0.0,0.0,0.0,0.0 　　2,0.0,0.0,0.0,0.0 　　0,1.0,1.0,1.0,1.0 　　1,1.0,1.0,1.0,1.0 　　2,1.0,1.0,1.0,1.0 　　0,2.0,2.0,2.0,2.0 　　1,2.0,2.0,2.0,2.0 　　2,2.0,2.0,2.0,2.0 　　& # 39;& # 39;& # 39;

上述指数为0,1,2,0,1,2形式。为什么会出现这样的情况,其实是仍然按照合并前的指数组合起来的。若希望递增,请看下面示例:

ignore_index(重置指数)

重置后的指数为0,1,……8

res =, pd.concat ([df1, df2,, df3],,=0,轴,ignore_index=True) #,将ignore_index设置为True 　　打印(res), #打印结果　　& # 39;& # 39;& # 39; 　　,a b c d 　　0,0.0,0.0,0.0,0.0 　　1,0.0,0.0,0.0,0.0 　　2,0.0,0.0,0.0,0.0 　　3,1.0,1.0,1.0,1.0 　　4,1.0,1.0,1.0,1.0 　　5,1.0,1.0,1.0,1.0 　　6,2.0,2.0,2.0,2.0 　　7,2.0,2.0,2.0,2.0 　　8,2.0,2.0,2.0,2.0 　　& # 39;& # 39;& # 39;

加入(合并方式)

加入=& # 39;外# 39;为预设值,因此未设定任何参数时,函数默认加入=& # 39;外# 39;。此方式是依照列来做纵向合,并有相同的列上下合并在一起,其他独自的列个自成列,原本没有值的位置皆以NaN填充。

import pandas as pd 　　import numpy as np 　　, 　　#定义资料集　　df1 =, pd.DataFrame (np.ones((3, 4)) * 0,,列=[& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;],,指数=[1,2,3]) 　　df2 =, pd.DataFrame (np.ones((3, 4)) * 1,列=[& # 39;b # 39; & # 39; c # 39;, & # 39; d # 39;, & # 39; e # 39;],,指数=(2、3、4)), 　　时间=res pd.concat ([df1, df2],,轴=0,,加入=& # 39;外# 39;),#纵向“外“合并df1与df2 　　, 　　打印(res) 　　& # 39;& # 39;& # 39; 　　,a b c d e 　　,1,0.0,0.0,0.0,0.0,NaN 　　,2,0.0,0.0,0.0,0.0,NaN 　　,3,0.0,0.0,0.0,0.0,NaN 　　,2 NaN 1.0, 1.0, 1.0, 1.0 　　,3 NaN 1.0, 1.0, 1.0, 1.0 　　,4 NaN 1.0, 1.0, 1.0, 1.0 　　& # 39;& # 39;& # 39; 　　时间=res pd.concat ([df1, df2],,轴=0,,加入=& # 39;内部# 39;),#纵向“内“合并df1与df2 　　, 　　#打印结果　　打印(res) 　　& # 39;& # 39;& # 39; 　　b c d 　　,1,0.0,0.0,0.0 　　,2,0.0,0.0,0.0 　　,3,0.0,0.0,0.0 　　,2,1.0,1.0,1.0 　　,3,1.0,1.0,1.0 　　,4,1.0,1.0,1.0 　　& # 39;& # 39;& # 39;