python的concat等多种用法详解

 >>> a = np.array([[1, 2], [3, 4]]) >>> b = np.array([[5, 6]]) >>> np.concatenate((a, b), axis=0) array([[1, 2], [3, 4], [5, 6]]) >>> np.concatenate((a, b.T), axis=1) array([[1, 2, 5], [3, 4, 6]])

 # In[]:数据的合并 # 1 ，merge，类似数据库中的 # (1)内连接，pd.merge(a1, a2, on='key') # (2)左连接，pd.merge(a1, a2, on='key', how='left') # (3)右连接，pd.merge(a1, a2, on='key', how='right') # (4)外连接， pd.merge(a1, a2, on='key', how='outer') data1 = pd.DataFrame( np.arange(0,16).reshape(4,4), columns=list('abcd') ) data1 data2 = [ [4,1,5,7], [6,5,7,1], [9,9,123,129], [16,16,32,1] ] data2 = pd.DataFrame(data2,columns = ['a','b','c','d']) data2 # 内连接 ,交集 pd.merge(data1,data2,on=['b']) # 左连接 注意：如果 on 有两个条件，on = ['a','b'] # how = 'left','right','outer' pd.merge(data1,data2,on='b',how='left') # 2，append,相当于R中的rbind # ignore_index = True:这个时候 表示index重新记性排列,而且这种方法是复制一个样本 data1.append(data2,ignore_index = True) # 3，join data2.columns=list('pown') # 列名不能重叠：在这里的用法和R中rbind很像，但是join的用法还是相对麻烦的 result = data1.join(data2) result # 4,concat 这个方法能够实现上面所有的方法的效果 # concat函数是pandas底下的方法，可以把数据根据不同的轴进行简单的融合 # pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, #    keys=None, levels=None, names=None, verify_integrity=False) # 参数说明： # objs:series,dataframe，或者panel构成的序列list # axis：0 行，1列 # join：inner，outer # a,相同字段表首尾巴相接 data1.columns = list('abcd') data2.columns =list('abcd') data3 = data2 # 为了更好的查看连接后的数据来源，添加一个keys更好查看 pd.concat([data1,data2,data3],keys=['data1','data2','data3']) # b ，列合并（也就是行对齐）：axis = 1, pd.concat([data1,data2,data3],axis = 1,keys = ['data1','data2','data3']) data4 = data3[['a','b','c']] # 在有些数据不存在的时候，会自动填充NAN pd.concat([data1,data4]) # c:join:inner 交集，outer ，并集 pd.concat([data1,data4],join='inner') # 在列名没有一个相同的时候会报错 # data4.index = list('mnp') # pd.concat([data1,data4])