Pandas.concat()-funktio tekee kaiken raskaan noston ketjutusoperaatioiden suorittamisesta yhdessä akselin kanssa Panda-esineitä samalla kun suoritetaan valinnaista joukkologiikkaa (liitos tai leikkaus) indekseille (jos sellaisia ​​on) muilla akseleilla.

Pandas concat()-funktio Syntaksi

Syntaksi: concat(objs, akseli, liitos, ignore_index, avaimet, tasot, nimet, tarkista_eheys, lajittelu, kopioi)

Parametrit:

• obs: Sarja- tai DataFrame-objektit
• akseli: akseli ketjuttaa pitkin; oletus = 0
• liittyä seuraan: tapa käsitellä indeksejä toisella akselilla; oletus = 'ulkoinen'
• ignore_index: jos True, älä käytä indeksiarvoja ketjutusakselilla; oletus = False
• avaimet: sekvenssi tunnisteen lisäämiseksi tulosindekseihin; oletus = Ei mitään
• tasot: tietyt tasot (yksilölliset arvot), joita käytetään MultiIndexin muodostamiseen; oletus = Ei mitään
• nimet: tuloksena olevan hierarkkisen indeksin tasojen nimet; oletus = Ei mitään
• verify_integrity: tarkista, sisältääkö uusi ketjutettu akseli kaksoiskappaleita; oletus = False
• järjestellä: lajittele ei-ketjutusakseli, jos se ei ole jo kohdistettu, kun liitos on 'ulompi'; oletus = False
• kopio: jos epätosi, älä kopioi tietoja tarpeettomasti; oletus = tosi

Palautukset: objs-tyyppi (DataFrame-sarja)

Liitä esimerkkien avulla pandat

Esimerkki 1: Liitä datakehykset Pythonissa

Tässä esimerkissä ketjutamme kaksi sarjaa oletusparametrien kanssa Pandat .

Python 3

# importing the module> import> pandas as pd> # creating the Series> series1> => pd.Series([> 1> ,> 2> ,> 3> ])> display(> 'series1:'> , series1)> series2> => pd.Series([> 'A'> ,> 'B'> ,> 'C'> ])> display(> 'series2:'> , series2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([series1, series2]))>

Lähtö

Esimerkki 2: Pandat yhdistävät kaksi datakehystä vaakasuunnassa indeksillä = 1

Tässä esimerkissä luomme kaksi Panda-sarjaa ( series1> ja series2> ) ja ketjuttaa ne sitten sarakkeita pitkin (akseli=1) käyttämällä pd.concat()> . Tuloksena oleva DataFrame sisältää molemmat sarjat sarakkeina, mikä luo uuden DataFramen, jossa on kaksi saraketta.

Python 3

# importing the module> import> pandas as pd> # creating the Series> series1> => pd.Series([> 1> ,> 2> ,> 3> ])> display(> 'series1:'> , series1)> series2> => pd.Series([> 'A'> ,> 'B'> ,> 'C'> ])> display(> 'series2:'> , series2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([series1, series2],> > axis> => 1> ))>

Lähtö

Esimerkki 3: 2 datakehyksen ketjuttaminen ja avainten määrittäminen

luo kaksi datakehystä ( df1> ja df2> ), ja yhdistää ne kullekin datakehykselle määritettyjen avainten kanssa pd.concat()> . Tuloksena olevalla DataFrame-kehyksellä on hierarkkinen indeksi avaimilla 'avain1' ja 'avain2', joka erottaa kunkin tietojoukon alkuperän.

Python 3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'A'> : [> 'A4'> ,> 'A5'> ,> 'A6'> ,> 'A7'> ],> > 'B'> : [> 'B4'> ,> 'B5'> ,> 'B6'> ,> 'B7'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > keys> => [> 'key1'> ,> 'key2'> ]))>

Lähtö

Esimerkki 4: DataFrame-kehysten ketjuttaminen vaakasuoraan Pandassa, jossa akseli = 1

luo kaksi DataFrame-kehystä ( df1> ja df2> ) ja ketjuttaa ne sarakkeita pitkin (akseli=1) käyttämällä pd.concat()> . Tuloksena oleva DataFrame yhdistää sarakkeet molemmista df1> ja df2> kohdistamalla ne vierekkäin .

Python 3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'C'> : [> 'C0'> ,> 'C1'> ,> 'C2'> ,> 'C3'> ],> > 'D'> : [> 'D0'> ,> 'D1'> ,> 'D2'> ,> 'D3'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > axis> => 1> ))>

Lähtö

Esimerkki 5: 2 DataFrame-kehyksen ketjuttaminen ignore_index = True

luo kaksi datakehystä ( df1> ja df2> ) identtisillä sarakkeilla ja ketjuttaa ne pystysuunnassa käyttämällä pd.concat()> kanssa ignore_index=True> . Tuloksena olevalla DataFrame-kehyksellä on jatkuva indeksi, joka jättää huomiotta alkuperäiset indeksit df1> ja df2> .

Python 3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'A'> : [> 'A4'> ,> 'A5'> ,> 'A6'> ,> 'A7'> ],> > 'B'> : [> 'B4'> ,> 'B5'> ,> 'B6'> ,> 'B7'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > ignore_index> => True> ))>

Lähtö

Esimerkki 6: DataFrame-kehyksen ketjuttaminen sarjaan

luo DataFramen ( df> ) ja sarja ( series> ), ketjuttaa ne sitten sarakkeita pitkin (akseli=1) käyttämällä pd.concat()> . Tuloksena oleva DataFrame yhdistää sarakkeet kohteesta df> ja sarja, kohdistamalla ne vierekkäin. Huomautus: näyttölauseessa on kirjoitusvirhe ( df1> sijasta df> ).

Python 3

# importing the module> import> pandas as pd> # creating the DataFrame> df> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df:'> , df1)> # creating the Series> series> => pd.Series([> 1> ,> 2> ,> 3> ,> 4> ])> display(> 'series:'> , series)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df, series],> > axis> => 1> ))>

Lähtö