Pandas concat 函数
Suraj Joshi
2023年1月30日
2021年2月28日
-
pandas.concat()语法 -
示例：使用
pandas.concat()方法沿行轴连接 2 个 PandasSeries -
示例：使用
pandas.concat()方法沿列轴连接 2 个 Pandas 系列对象 -
示例：使用
pandas.concat()方法连接 2 个 Pandas DataFrame 对象 -
示例：使用
pandas.concat()方法将 DataFrame 与一个系列对象进行连接
pandas.concat() 方法可以连接 Pandas DataFrame 或 Series 对象。
pandas.concat() 语法
pandas.concat(objs,
axis=0,
join='outer',
ignore_index=False,
keys=None,
levels=None,
names=None,
verify_integrity=False,
sort=False,
copy=True)
参数
objs |
要连接的 Pandas Series 或 DataFrame 对象的序列或映射。 |
join |
连接方法(inner 或 outer) |
axis |
沿着行(axis=0)或列(axis=1)进行连接 |
ignore_index |
布尔型。如果为 True，则忽略原 DataFrames 的索引。 |
keys |
向结果索引添加标识符的顺序 |
levels |
用于创建 MultiIndex 的级别 |
names |
多重索引中的级别名称 |
verify_integrity |
布尔型。如果为 True，则检查是否有重复。 |
sort |
布尔型。当 join 为 outer 时，如果非 concatenation 轴尚未对齐，则对其进行排序。 |
copy |
布尔型。如果为 False，避免不必要的数据复制。 |
返回值
如果所有的 Series 对象都沿 axis=0 连接，则返回一个 Series 对象。如果任何要连接的对象是一个 DataFrame，或者 Series 对象沿 axis=1 连接，它返回一个 DataFrame 对象。
示例：使用 pandas.concat() 方法沿行轴连接 2 个 Pandas Series
import pandas as pd
ser_1 = pd.Series([20,45,36,45])
print("Series-1:")
print(ser_1,"\n")
ser_2 = pd.Series([48,46,34,38])
print("Series-2:")
print(ser_2,"\n")
concatenated_ser=pd.concat([ser_1,ser_2])
print("Result after Concatenation of ser_1 and ser_2:")
print(concatenated_ser)
输出：
Series-1:
0 20
1 45
2 36
3 45
dtype: int64
Series-2:
0 48
1 46
2 34
3 38
dtype: int64
Result after Concatenation of ser_1 and ser_2:
0 20
1 45
2 36
3 45
0 48
1 46
2 34
3 38
dtype: int64
它沿 axis=0 或按行连接 Series 对象 ser_1 和 ser_2。其中一个 Series 对象的行堆叠在另一个对象之上。级联后的对象默认取父对象的 index 值。我们可以设置 ignore_index=True 来为连接对象分配新的索引值。
import pandas as pd
ser_1 = pd.Series([20,45,36,45])
print("Series-1:")
print(ser_1,"\n")
ser_2 = pd.Series([48,46,34,38])
print("Series-2:")
print(ser_2,"\n")
concatenated_ser=pd.concat([ser_1,ser_2],ignore_index=True)
print("Result after Concatenation of ser_1 and ser_2:")
print(concatenated_ser)
输出：
Series-1:
0 20
1 45
2 36
3 45
dtype: int64
Series-2:
0 48
1 46
2 34
3 38
dtype: int64
Result after Concatenation of ser_1 and ser_2:
0 20
1 45
2 36
3 45
4 48
5 46
6 34
7 38
dtype: int64
它将连接 Series 对象，并为连接后的 Series 对象分配新的索引值。
示例：使用 pandas.concat() 方法沿列轴连接 2 个 Pandas 系列对象
我们在 pandas.concat() 方法中设置 axis=1，以水平或沿列轴连接 Series 对象。
import pandas as pd
ser_1 = pd.Series([20,45,36,45])
print("Series-1:")
print(ser_1,"\n")
ser_2 = pd.Series([48,46,34,38])
print("Series-2:")
print(ser_2,"\n")
concatenated_ser=pd.concat([ser_1,ser_2],axis=1)
print("Result after Horizontal Concatenation of ser_1 and ser_2:")
print(concatenated_ser)
输出：
Series-1:
0 20
1 45
2 36
3 45
dtype: int64
Series-2:
0 48
1 46
2 34
3 38
dtype: int64
Result after Horizontal Concatenation of ser_1 and ser_2:
0 1
0 20 48
1 45 46
2 36 34
3 45 38
它水平堆叠了 Series 对象 ser_1 和 ser_2。
示例：使用 pandas.concat() 方法连接 2 个 Pandas DataFrame 对象
import pandas as pd
df_1 = pd.DataFrame({
"Col-1":[1,2,3,4],
"Col-2":[5,6,7,8]
})
print("DataFrame-1:")
print(df_1,"\n")
df_2 = pd.DataFrame({
"Col-1":[10,20,30,40],
"Col-2":[50,60,70,80]
})
print("DataFrame-2:")
print(df_2,"\n")
concatenated_df=pd.concat([df_1,df_2],ignore_index=True)
print("Result after Horizontal Concatenation of df_1 and df_2:")
print(concatenated_df)
输出：
DataFrame-1:
Col-1 Col-2
0 1 5
1 2 6
2 3 7
3 4 8
DataFrame-2:
Col-1 Col-2
0 10 50
1 20 60
2 30 70
3 40 80
Result after Horizontal Concatenation of df_1 and df_2:
Col-1 Col-2
0 1 5
1 2 6
2 3 7
3 4 8
4 10 50
5 20 60
6 30 70
7 40 80
它连接了 DataFrame 对象 df_1 和 df_2。通过设置 ignore_index=True，我们将新的索引分配给被连接的 DataFrame。
示例：使用 pandas.concat() 方法将 DataFrame 与一个系列对象进行连接
import pandas as pd
df = pd.DataFrame({
"Col-1":[1,2,3,4],
"Col-2":[5,6,7,8]
})
print("DataFrame Object:")
print(df,"\n")
ser = pd.Series([48,46,34,38])
print("Series Object:")
print(ser,"\n")
ser_df=pd.concat([df,ser],axis=1)
print("Concatenation of ser and df:")
print(ser_df)
输出：
DataFrame Object:
Col-1 Col-2
0 1 5
1 2 6
2 3 7
3 4 8
Series Object:
0 48
1 46
2 34
3 38
dtype: int64
Concatenation of ser and df:
Col-1 Col-2 0
0 1 5 48
1 2 6 46
2 3 7 34
3 4 8 38
它将 DataFrame 对象 df 和 Series 对象 ser 连在一起。由于我们在 pandas.concat() 方法中设置了 axis=1，所以连接是按列进行的。
Author: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn