pd. concat,python的concat

　　本文主要一次介绍Python中pd.concat和pd.merge的透彻讲解。通过示例代码进行了非常详细的介绍，对于大家的学习或者工作都有一定的参考价值。有需要的朋友下面跟边肖学习。

　　00-1010数据拼接：pd.concat数据关联3360 PD。合并数据合并和关联的区别是数据处理中常见的问题。每个人都可以使用join、uion all等。在SQL和HQL中，Pandas也有同样的功能来满足数据处理的需求。个人感觉熊猫处理数据非常方便，数据处理效率高，可以满足不同的业务需求。

目录

　　Concat是一个熊猫级别的函数，用于拼接或合并数据，可以根据不同的轴进行水平或垂直拼接。

　　函数参数

　　pd.concat(

　　objs : Iterable[NDFrame] Mapping[has hable，NDFrame]，

　　轴=0，

　　join=outer ，

　　ignore_index: bool=False，

　　keys=无，

　　级别=无，

　　姓名=无，

　　verify _ integrity : bool =False，

　　sort: bool=False，

　　copy: bool=True，

　　)- FrameOrSeriesUnion

　　Objs:合并后的数据集一般以列表方式导入，例如：【df1，df2，df3】axis:指定数据拼接时的轴，0为行，按行方向拼接；1是列，join是列方向拼接：拼接方式是inner或者outer，和sql中的意思一样。实际工作中经常用到以上三个参数，其他参数就不介绍了。

　　案例：

　　模拟数据

　　横向拼接

　　横向拼接-1

　　具有相同字段的列是堆叠的，具有不同字段的列是分开存储的，缺少的值用NAN填充。在这里，模拟数据被转换，并用相同的场进行演示。

　　横向拼接-2

　　纵向拼接

　　纵向拼接

　　可以看出，在垂直拼接时，会通过索引进行关联，从而将同名的结果放在一起，而不是简单的叠加。

数据拼接：pd.concat

　　数据关联基本上与SQL中的join相同。一次可以关联两个数据表。左表和右表有区别。您需要指定相关的字段。

　　函数参数

　　pd.merge(

　　left: 数据帧系列，

　　right: 数据帧系列，

　　how: str=inner ，

　　: IndexLabel None=None，

　　left_on: IndexLabel None=无，

　　right _ on : index label None =无，

　　left_index: bool=False，

　　right_index: bool=False，

　　sort: bool=False，

　　后缀： 后缀=(_x ， _y )，

　　copy: bool=True，

　　indicator: bool=False，

　　validate: str None=None，

　　)-数据帧

　　左：左表右：右表how:关联方法，{ 左，右，外，内，跨 }。默认的关联方法是“inner”on:关联期间指定的字段，left_on由两个表共享：在关联期间使用左表中的字段。当两个表不共享相关字段时，

　　案例：

　　数据关联

　　merge的使用类似于SQL中的join，基本上是一样的，内连接和外连接都有。基本不难用。

数据关联：pd.merge

　　Concat只是pandas下的方法，merge是pandas下的方法，DataFrame下的方法。concat可以横向和纵向拼接，也起到了联想的作用。merge只能关联，即垂直拼接concat可以同时处理多个数据帧data frames。合并只能同时处理两个数据框。这篇关于彻底解释Python中pd.concat和pd.merge的文章在这里。有关Python pd.concat和pd.merge的更多信息，请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。