前言：
今天朋友们对“python combine”大概比较讲究，我们都想要剖析一些“python combine”的相关内容。那么小编在网络上收集了一些对于“python combine””的相关内容，希望你们能喜欢，同学们一起来了解一下吧！视频加载中...
#阵列数组concatenate函数：连接串连（参数是列表）
arr1 = np.arange(9).reshape(3,3)
arr2 = np.arange(9).reshape(3,3)
np.concatenate([arr1,arr2])#按行连接，创建一个新的阵列
np.concatenate([arr1,arr2],axis=1)#按列连接，默认按行连接
#Series concat函数
s1 = Series([1,2,3],index=['x','y','z'])
s2 = Series([4,5],index=['a','b'])
pd.concat([s1,s2]) #pandas Series连接
pd.concat([s1,s2],axis=1)#列连接，以s1为参照（s1和s2的作为columns值）
#DataFrame concat函数
df = DataFrame(np.random.randn(4,3),columns=['x','y','z'])
df1= DataFrame(np.random.randn(3,3),columns=['x','y','A'])
pd.concat([df,df1],axis=1)
pd.concat([df,df1]
#series combine()#填充扩充--用s2中的值填充s1中nan
s1 = Series([2,np.nan,4,np.nan],index=['a','b','c','d'])
s2 = Series([1,2,3,4],index=['a','b','c','d'])
s1.combine_first(s2) #用s2中的值填充s1中nan
#DataFrame combine_first（）函数--#两个df中nan值被非nan值填充
df2 = DataFrame({'x':[1,np.nan,3,np.nan],'y':[5,np.nan,7,np.nan],'z':[9,np.nan,11,np.nan]})
df3 = DataFrame({'z':[np.nan,10,np.nan,12],'a':[1,2,3,4]})
df2.combine_first(df3)
