前言:
如今小伙伴们对“pandas 多个dataframe合并”大致比较看重,兄弟们都需要知道一些“pandas 多个dataframe合并”的相关资讯。那么小编也在网上搜集了一些有关“pandas 多个dataframe合并””的相关资讯,希望咱们能喜欢,朋友们快快来了解一下吧!20240114星期日:
记录一下:
'''1. concat的基本用法concat函数的基本用法如下:pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)其中,objs参数是要合并的对象,可以是Series、DataFrame或Panel对象。axis参数指定合并的轴,可以是0(行)或(列)。join参数指定合并的方式,可以是inner(交集)或outer(并集)。ignore_index参数指定是否忽略原始索引。keys参数指定合并后的层化索引。levels参数指定层次化索引的别。names参数指定层次化引的名称。verify_integrity指定是否检查合并的数据是否重复。sort参数指定是否按照字典序排序。copy参数指定是否复制数据。'''# 2. concat函数的高级用# 2.1 在列上合并多个DataFrame# 以下是一个在列上合并多个DataFrame的示例:import pandas as pddf1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})df3 = pd.DataFrame({'E': [13, 14, 15], 'F': [16, 17, 18]})result = pd.concat([df1, df2, df3], axis=1)print(result)# 输出结果如下:## A B C D E F# 0 1 4 7 10 13 16# 1 2 5 8 11 14 17# 2 3 6 9 12 15 18# 2.2 在行上合并多个DataFrame# 以下是一个在行上合并多个DataFrame的示例:import pandas as pddf1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})df3 = pd.DataFrame({'A': [13, 14, 15], 'B': [16, 17, 18]})result = pd.concat([df1, df2, df3], axis=0)print(result)# 输出结果如下:# A B# 0 1 4# 1 2 5# 2 3 6# 0 7 10# 1 8 11# 2 9 12# 0 13 16# 1 14 17# 2 15 18# 3. 结论# concat函数是一个用于合并数据的函数,可以在多个轴上进行合并。# 在使用concat函数时,需要注意参数的含义和用法。# 根据具体需求选择合适的合并方式,可以在列上或行上合并多个DataFrame。
版权声明:
本站文章均来自互联网搜集,如有侵犯您的权益,请联系我们删除,谢谢。
标签: #pandas 多个dataframe合并